[发明专利]一种用于保险柜的三维人脸识别方法

说明书

技术领域

本发明属于人脸识别技术领域，具体涉及一种用于保险柜的三维人脸识别方法。

背景技术

人脸识别容易受环境、姿态、表情等因素的影响，三维人脸图像数据与二维人脸图像数据相比，能够提供更完整、更丰富的识别信息，因而三维人脸识别对光照、姿态以及表情等因素的要求较强。

当前人脸识别方法主要倾向于基于三维人脸模型的识别方法，虽然理论上，三维人脸识别方法比二维人脸识别方法性能更优越，但在实际应用中，三维人脸识别方法尚处于不成熟状态，主要存在以下困难：1)三维数据获取困难，尽管激光、结构光采集设备能获得较精确数据，但价格昂贵，一般用户难以接受，且结构光采集易受环境影响；2)由于传统三维人脸识别方法是基于人脸的三维重建，而三维重建的计算复杂度大，导致传统三维人脸识别方法复杂。

发明内容

针对现有技术存在的不足，本发明目的是提供一种用于保险柜的三维人脸识别方法，不受环境的限制，方法简单、成本低、识别率高。

为了实现上述目的，本发明是通过如下的技术方案来实现：

本发明的一种用于保险柜的三维人脸识别方法，包括以下几个步骤：

(1)调整左、右摄像机与人脸的相对位置，用于完成人脸二维图像的采集；

(2)利用主动形状模型对步骤(1)采集的二维图像进行特征点自动定位；

(3)结合摄像机的内外参数得出人脸关键特征点的三维坐标；

(4)利用步骤(3)的三维坐标计算特征点距离矩阵，提取三维人脸几何特征；

(5)利用反向传播神经网络进行识别。

步骤(2)中，利用二维图像进行特征点自动定位的方法如下：

(1a)根据肤色信息对双目视觉系数获得的左右人脸图像进行人脸区域提取；

(2a)利用极线变换对图像进行校正，并对校正后的左、右图像进行特征点定位，将确定好的人脸区域作为初始位置；

(3a)利用主动形状模型技术进行特征提取，左右每幅图像上分别提取多个特征点。

步骤(4)中，三维人脸几何特征的提取方法如下：

(1b)对提取的特征点进行三维信息的恢复；

(2b)构造三维特征，具体方法为距离特征、角度特征的表示与度量、比例特征的表示与度量、周长特征的表示与度量、面积特征的表示与度量。

步骤(5)中，反向传播神经网络的识别方法如下：

(1c)将构造的多维几何特征向量作为反向传播神经网络的输入，中间层采样15个节点，输出层为判决结果；

(2c)利用梯度下降法，根据已知人脸样本对神经网络中权系数进行训练，训练结果即可对人脸进行识别测试。

本发明在识别过程中，利用主动形状模型对二维图像进行二维特征点自动定位，并结合摄像机的内外参数得出特征点的三维坐标，从而避免了复杂的人脸三维重建；并利用反向传播神经网络进行识别，使正确识别率得到了提高。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

本发明的一种用于保险柜的三维人脸识别方法，包括以下几个步骤：

(1)调整左、右摄像机与人脸的相对位置，用于完成人脸二维图像的采集；

(2)利用主动形状模型对步骤(1)采集的二维图像进行特征点自动定位；

(3)结合摄像机的内外参数得出人脸关键特征点的三维坐标；

(4)利用步骤(3)的三维坐标计算特征点距离矩阵，提取三维人脸几何特征；

(5)利用反向传播神经网络进行识别。

本实施例中，步骤(2)中，利用二维图像进行特征点自动定位的方法如下：

(1a)根据肤色信息对双目视觉系数获得的左右人脸图像进行人脸区域提取；

(2a)利用极线变换对图像进行校正，并对校正后的左、右图像进行特征点定位，将确定好的人脸区域作为初始位置；

(3a)利用主动形状模型技术进行特征提取，左右每幅图像上分别提取多个特征点。

本实施例中，步骤(4)中，三维人脸几何特征的提取方法如下：

(1b)对提取的特征点进行三维信息的恢复；

(2b)构造三维特征，具体方法为距离特征、角度特征的表示与度量、比例特征的表示与度量、周长特征的表示与度量、面积特征的表示与度量。

本实施例中，步骤(5)中，反向传播神经网络的识别方法如下：

(1c)将构造的多维几何特征向量作为反向传播神经网络的输入，中间层采样15个节点，输出层为判决结果；