[发明专利]一种三维人脸识别方法、装置、电子设备及存储介质

说明书

本发明实施例提供一种三维人脸识别方法、装置、电子设备及存储介质，所述方法包括：确定深度图对应的点云图；将点云图输入至人脸识别模型，得到人脸识别模型输出的点云图的人脸特征，并基于所述人脸特征进行人脸识别；人脸识别模型是基于源域点云图及其对应的源域类别和目标域点云图及其对应的目标域类别，以及域分辨器分支进行对抗学习训练得到的。本发明实施例提供的方法、装置、电子设备及存储介质，能够实现人脸识别模型从源域到目标域的风格迁移，进而提升了三维人脸识别方法对不同质量、不同风格点云数据的泛化能力，同时利用二维的点云图存储三维的点云数据，降低了模型的复杂度，提升了模型的运算效率。

技术领域

本发明涉及机器视觉技术领域，尤其涉及一种三维人脸识别方法、装置、电子设备及存储介质。

背景技术

在计算机视觉和深度学习领域，人脸识别技术一直是重要的研究方向，相比于二维人脸图像，深度传感器获取的三维人脸图像包含了人脸的形状信息，对于人脸姿态和光照的变化造成的影响，三维人脸识别技术的鲁棒性更强。

随着消费级深度传感器的不断出现，可以通过采集的深度人脸图像和相机参数获取三维人脸点云。但是，由于深度相机基线距离和深度图恢复算法的影响，获取的点云数据质量在人脸距离较远时通常较差；此外，不同相机获取的点云数据风格和质量也存在较大差异。

现有的人脸识别模型是通过将质量好的点云和质量差的点云融合在一起进行训练得到的，利用上述人脸识别模型的三维人脸识别方法对远距离质量差的点云数据的识别效果提升不明显，同时也影响了近距离质量好的点云数据的识别效果，现有的三维人脸识别方法对不同质量和不同风格的点云数据的泛化能力较差。

发明内容

本发明实施例提供一种三维人脸识别方法、装置、电子设备及存储介质，用以解决现有的三维人脸识别方法对不同质量和不同风格的点云数据的泛化能力较差的问题。

第一方面，本发明实施例提供一种三维人脸识别方法，包括：

确定深度图对应的点云图；

将所述点云图输入至人脸识别模型，得到所述人脸识别模型输出的所述点云图的人脸特征，并基于所述人脸特征进行人脸识别；

所述人脸识别模型是基于源域点云图及其对应的源域类别和目标域点云图及其对应的目标域类别，以及域分辨器分支进行对抗学习训练得到的。

可选地，所述人脸识别模型包括识别主分支，所述识别主分支是通过与所述域分辨器分支进行对抗学习训练得到的；

所述域分辨器分支包括多个域分辨器，所述域分辨器和所述目标域类别一一对应，每一域分辨器包括一个梯度翻转层。

可选地，任一域分辨器中的梯度翻转层的前向传播公式是基于所述识别主分支输出的源域点云图对应的中间特征，以及所述源域点云图对应的源域类别的类别中心特征与所述任一域分辨器对应的目标域类别的类别中心特征之间的相似度确定的。

可选地，所述识别主分支和所述域分辨器分支联合对抗学习的损失函数是基于所述识别主分支的损失函数和所述域分辨器分支的损失函数之差确定的。

可选地，所述识别主分支的损失函数是基于所述源域点云图对应的特征及其距离权重确定的；

其中，任一距离权重是基于任一源域点云图对应的采集距离确定的。

可选地，所述确定深度图对应的点云图，具体包括：

获取所述深度图和所述深度图的二维人脸关键点；

基于所述深度图和所述二维人脸关键点，确定三维点云数据和三维人脸关键点；

基于所述三维点云数据和所述三维人脸关键点，以及标准人脸关键点，确定标准人脸三维点云数据；