[发明专利]一种基于三维优化子曲面的人脸识别方法及系统在审

专利信息
申请号: 201910749911.7 申请日: 2019-08-14
公开(公告)号: CN110580451A 公开(公告)日: 2019-12-17
发明(设计)人: 王跃明;王海滨 申请(专利权)人: 青岛根尖智能科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/40;G06K9/62
代理公司: 37221 济南圣达知识产权代理有限公司 代理人: 李琳
地址: 266300 山东省青岛市胶州*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 差值图 人脸 三维 特征选择 深度图 最优化 分类器模型 标准姿态 人脸识别 预存储 人脸识别结果 三维人脸数据 差值计算 曲面特征 外界环境 外界因素 系统性能 分类器 采样 二维 加权 投影 光照 表情 采集 转化 优化
【说明书】:

本公开提供了一种基于三维优化子曲面的人脸识别方法,采集三维人脸数据,将三维人脸转化为标准姿态的三维人脸;将标准姿态的三维人脸投影后采样得到当前每张人脸的二维深度图,与预存储的深度图进行差值计算,得到两张互反的差值图;根据得到的差值图进行特征选择与最优化分类器的训练,得到基于差值图的不同子曲面的特征选择与最优化分类器模型;对于输入的每张三维人脸计算差值图,根据计算得到的差值图和特征选择与最优化分类器模型,计算子曲面特征加权得分,找到得分最高的预存储深度图,得到人脸识别结果;有效的减弱了外界环境对系统性能的影响,能够有效避免人脸识别中光照、姿态、表情等外界因素的干扰。

技术领域

本公开涉及人脸识别技术领域,特别涉及一种基于三维优化子曲面的人脸识别方法及系统,尤其涉及一种快速三维人脸对齐、三维子曲面选择与最优化的三维人脸识别方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术,并不必然构成现有技术。

人脸识别是多学科交叉的研究课题。二维人脸识别的发展历史较长,取得了较多的研究成果并已经被广泛应用。由于二维图像是三维物体在平面上的投影,人脸识别的性能会受到光照、姿态、表情等外界因素干扰,从而影响准确性。因此,如何充分利用人脸的三维信息,提高系统的识别性能是近年来的研究热点。三维人脸识别通过采集三维的人脸数据与数据库预存储的数据进行匹配,从而识别人脸的身份。采集的三维人脸数据不易受光照、姿态、表情等外界因素干扰,同时由于具有深度信息,相较二维图像有更加丰富的信息量。

目前主流的三维人脸识别方法主要分为基于空域直接匹配、基于局部特征匹配、基于整体特征匹配三大类,基于空域直接匹配的方法不提取特征,直接进行曲面相似度匹配,一般分为对齐和相似度计算两步,常用的方法有ICP(Interative Closest Point,迭代最近点算法)和Hausdorff(豪斯多夫)距离法;基于局部特征匹配的方法着眼于从三维面部曲面中提取有效的形状集合特征,以保证特征在人脸模型旋转、平移、镜像等变化下都保持完备性和紧凑性,局部特征主要包括局部描述符、曲线特征以及其他一些局部几何特征或统计特征;基于整体特征匹配的方法注重三维模型的整体特征,如将三维人脸统一用深度图表示,或映射为EGI(扩展高斯图)并匹配。

本公开发明人在研究中发现,现有的三维人脸识别方法主要存在以下问题:(1)准确识别率不高,无法应用到现实场景中;(2)算法对光照、表情变化或附属物对人脸的遮挡不具有稳定性,会影响识别效果;(3)三维数据的数据量高于二维数据,常用算法需要针对库中每一个三维人脸进行处理和匹配,计算量较高,识别速度较低。

发明内容

为了解决现有技术的不足,本公开提供了一种基于三维优化子曲面的人脸识别方法及系统,包括快速三维人脸对齐和三维子曲面选择与最优化的三维人脸识别,解决了现有的三维人脸识别方法识别准确率不高且效率较低的问题。

为了实现上述目的,本公开采用如下技术方案:

第一方面,本公开提供了一种基于三维优化子曲面的人脸识别方法;

一种基于三维优化子曲面的人脸识别方法,步骤如下:

采集三维人脸数据,将三维人脸转化为标准姿态;

将标准姿态的三维人脸投影后采样得到当前人脸的二维深度图,与预存储的深度图进行差值计算,得到两张互反的差值图;

根据得到的差值图进行特征选择与最优化分类器的训练,得到基于差值图的不同子曲面的特征选择与最优化分类器模型;

对于输入的每张三维人脸计算差值图,根据计算得到的差值图和特征选择与最优化分类器模型,计算子曲面特征加权得分,找到得分最高的预存储深度图,得到人脸识别结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于青岛根尖智能科技有限公司,未经青岛根尖智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910749911.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top