[发明专利]一种基于深度相机的人脸识别方法及系统

说明书

本发明提供一种基于深度相机的人脸识别方法及系统，该方法包括：将彩色人脸区域输入至多尺度特征提取网络中的彩色多尺度特征提取网络，获取并融合彩色人脸区域不同尺度的彩色特征向量，得到彩色多尺度特征；将深度人脸区域输入至多尺度特征提取网络中的深度多尺度特征提取网络，获取并融合深度人脸区域不同尺度的深度特征向量，得到深度多尺度特征；将彩色多尺度特征和深度多尺度特征输入至多尺度特征提取网络中的识别单元，获取人脸识别结果。本发明将常用的深度数据使用点云进行表示，增加了信息量；构建了多尺度特征提取网络，融合不同尺度的彩色特征和深度特征，使得网络提取的特征表达更加鲁棒，并且在RGBD场景下的识别准确率大幅提升。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于深度相机的人脸识别方法及系统。

背景技术

随着大数据和人工智能技术的发展，传统的基于二维图像的人脸识别技术已经较为成熟。然而，二维图像容易受到光照、姿态、表情等因素的影响，在较为恶劣的条件下识别性能会有显著下降。

近些年来，随着Kinect、RealSense等深度相机的发展，基于RGBD(red green blueand depth，深度)相机的三维人脸识别技术受到了广泛关注，RGBD相机能够输出彩色图像和深度图像，RGBD相机数据相对于二维的RGB数据多了深度信息，可以刻画人脸的形状信息，对姿态和光照等因素有一定的鲁棒性。

针对三维图像，现有技术中提出了一种基于RGB特征与深度特征的原始图像层融合方法及系统，该方案包括如下几个步骤：

第一步，分别采集同一物体同一时刻同一场景的彩色图像与深度图像；

第二步，获取单独的基于彩色图像的物体识别准确率与基于深度图像的物体识别准确率；

第三步：通过决策树算法为MMSAE算法初始化参数；

第四步：MMSAE算法有差异性地提取彩色图像和深度图像的有效特征并将所述有效特征融合，获取融合图像的识别准确率；

第五步：判断所述融合图像的识别准确率是否高于系统设定阈值，若所述识别准确率不高于设定阈值，则返回第三步，若所述识别准确率高于设定阈值，则输出识别后的物体图像。

该方法在根据融合图像输出识别结果时，由于融合图像中只是有差异的提取了彩色图像和深度图像的某些特征，这必然会使彩色图像或深度图像中的某些信息丢失，而识别效果是直接与选取的特征有关的，从而导致识别精度不高。

发明内容

本发明实施例提供一种基于深度相机的人脸识别方法及系统，用以解决现有技术中人脸识别准确率低、鲁棒性低的缺陷，实现高准确率、高鲁棒性的人脸识别。

本发明实施例提供一种基于深度相机的人脸识别方法，包括：

获取目标对象的彩色人脸区域和深度人脸区域；

将所述彩色人脸区域输入至多尺度特征提取网络中的彩色多尺度特征提取网络，获取并融合所述彩色人脸区域不同尺度的彩色特征向量，得到彩色多尺度特征；

将所述深度人脸区域输入至所述多尺度特征提取网络中的深度多尺度特征提取网络，获取并融合所述深度人脸区域不同尺度的深度特征向量，得到深度多尺度特征；

将所述彩色多尺度特征和所述深度多尺度特征输入至所述多尺度特征提取网络中的识别单元，获取人脸识别结果。

根据本发明一个实施例的基于深度相机的人脸识别方法，所述彩色人脸区域通过如下步骤获取：

获取所述目标对象的彩色图像；

对所述彩色图像进行人脸检测，获取所述彩色图像中的人脸关键点；