CN103218612A - 一种3d人脸识别方法 - Google Patents

一种3d人脸识别方法 Download PDF

Info

Publication number
CN103218612A
CN103218612A CN2013101746081A CN201310174608A CN103218612A CN 103218612 A CN103218612 A CN 103218612A CN 2013101746081 A CN2013101746081 A CN 2013101746081A CN 201310174608 A CN201310174608 A CN 201310174608A CN 103218612 A CN103218612 A CN 103218612A
Authority
CN
China
Prior art keywords
face
image
facial image
eyes
neural network
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2013101746081A
Other languages
English (en)
Inventor
张会林
孙利华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Fufeng Technology Co Ltd
Original Assignee
Suzhou Fufeng Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Suzhou Fufeng Technology Co Ltd filed Critical Suzhou Fufeng Technology Co Ltd
Priority to CN2013101746081A priority Critical patent/CN103218612A/zh
Publication of CN103218612A publication Critical patent/CN103218612A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本发明涉及一种3D人脸识别方法,该方法利用人脸灰度图像中眼睛定位的人脸位置矫正方法,针对人眼灰度变化特点、人眼几何形状特征及双眼的轴对称性的特点,该方法对于双眼可见单人脸灰度图像能实现快速有效矫正,并能在矫正结果中精确给出双眼瞳孔位置,实现快速定;特征提取和识别过中,利用BP神经网络的主元分析人脸图像识别方法,该方法利用非线性主元分析神经网络对人脸图像提取人脸特征(矢量),并在BP神经网络上实现了对人脸图像的识别,提高了识别率,具有可靠的有效性和稳定性。

Description

一种3D人脸识别方法
技术领域
本发明涉及一种人脸识别方法,尤其涉及一种3D人脸识别方法。
背景技术
    人脸识别,特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别是一项热门的计算机技术研究领域,人脸追踪侦测,自动调整影像放大,夜间红外侦测,自动调整曝光强度;它属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。在人脸识别过程中,通常包括以下3个步骤:人脸检测与跟踪、面部关键特征点的定位与配准、人脸特征的提取与比对,人脸特征的配准,对识别率有很大的影响。同时,眼睛的定位是其他特征点(如鼻子、嘴巴等)定位的基础,因此精确而快速的眼睛定位是人脸识别方法的关键环节之一。
     目前二维人脸识别技术已成熟,但二维人脸识别是基于人脸平面图像的,实际上人脸本身是三维的,人脸平面图像只是三维人脸在一个平面上的投影,在这个过程中,必然会丢失一部分信息,因此,其识别率有待进一步提升;而三维人脸识别技术中人脸重建算法很复杂,识别速度较慢。
发明内容
本发明克服了现有技术的不足,提供一种三维人脸重建算法简单、可精确快速实现眼睛定位、识别速度快、识别率高的人脸识别方法。
为达到上述目的,本发明采用的技术方案为:一种3D人脸识别方法,其特征在于:包括以下步骤:
      1)创建具有人脸图像样本的目标数据库;
      2)利用对称设置的左摄像头和右摄像头分别拍摄左脸图像和右脸图像;
      3)将拍摄到的左脸图像和右脸图像进行立体融合获得完整人脸图像;
      4)对步骤3)中的人脸图像进行基于眼睛定位的人脸检测定位;
      5)对检测定位后的人脸图像进行特征提取;
  6)将经特征提取后的人脸图像与目标数据库中的人脸图像样本进行对比识别,输出识别结果。
本发明一个较佳实施例中,进一步包括所述步骤3)中左脸图像与右脸图像的立体融合是基于像素级的图像融合,采用三维小波变换法进行立体融合。
本发明一个较佳实施例中,进一步包括所述步骤4)中采用投影峰算法对眼睛快速定位,所述投影峰算法包括以下步骤:
a) 对图像做水平灰度积分投影;
b)去除投影积分曲线上的毛刺;
c)搜索曲线上的投影峰;
d)求取所有投影峰的评价值,并对评价值排序,评价值最大的投影峰对应眼睛所在区域;
e)在确定的眼睛所处区间内,求灰度积分值最大的点,则该点对应眼睛瞳孔中心的纵坐标;
f)依据步骤a)至e)求取眼睛瞳孔中心的横坐标。
本发明一个较佳实施例中,进一步包括所述步骤5)中采用PCA算法提取人脸图像特征矢量值。
本发明一个较佳实施例中,进一步包括所述步骤6)中采用BP神经网络算法进行识别,将待识别的人脸图像特征矢量值与目标数据库中人脸图像样本的BP神经网络收敛权值相比得识别结果。
本发明解决了背景技术中存在的缺陷,本发明的3D人脸识别方法利用具有三维特征的左脸图像和右脸图像进行立体融合,解决了传统三维人脸识别技术中人脸重建算法较复杂的缺点;利用人脸灰度图像中眼睛定位的人脸位置矫正方法,实现快速定位,提高了识别率,具有可靠的有效性和稳定性。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明的操作流程图;
图2是本发明中投影峰算法的流程图。
具体实施方式
现在结合附图和实施例对本发明作进一步详细的说明,这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
如图1所示,一种3D人脸识别方法,包括以下步骤:
    S1、创建具有人脸图像样本的目标数据库;为识别人脸图像提供丰富的资源。
    S2、利用对称设置的左摄像头和右摄像头分别拍摄左脸图像和右脸图像;双摄像头,好比人的一双眼睛,保留了人脸图像的三维信息。
    S3、将拍摄到的左脸图像和右脸图像进行立体融合获得完整人脸图像;左脸图像与右脸图像的立体融合是基于像素级的图像融合,采用三维小波变换法进行立体融合。基于三维小波变换的图像融合的整个过程用公式表示为:
其中,
Figure DEST_PATH_IMAGE004
表示三维图像在三坐标上的参数,
Figure DEST_PATH_IMAGE006
Figure DEST_PATH_IMAGE008
分表表示小波变换和逆变换,表示融合算法,
Figure DEST_PATH_IMAGE012
表示小波函数系。
Figure 923980DEST_PATH_IMAGE010
算法实际上就是各个源图像的各个小波变换分量组合成目标图像的相应分量算法,是各层小波变换的融合规则的集合。
S4、对步骤S2中的人脸图像进行基于眼睛定位的人脸检测定位;可采用投影峰算法对眼睛快速定位,如图2所示,投影峰算法包括以下步骤:
a) 对图像做水平灰度积分投影;
b)去除投影积分曲线上的毛刺;
c)搜索曲线上的投影峰;
d)求取所有投影峰的评价值,并对评价值排序,评价值最大的投影峰对应眼睛所在区域;对于每个投影峰,评价值定义如下:
Figure DEST_PATH_IMAGE014
其中,
Figure DEST_PATH_IMAGE016
Figure DEST_PATH_IMAGE018
Figure DEST_PATH_IMAGE020
分别为投影峰的宽度、面积和与图像中心的距离,
Figure DEST_PATH_IMAGE022
Figure DEST_PATH_IMAGE024
Figure DEST_PATH_IMAGE026
为权重,一般取
Figure DEST_PATH_IMAGE028
 。
e)在确定的眼睛所处区间内,求灰度积分值最大的点,则该点对应眼睛瞳孔中心的纵坐标;
f)依据步骤a)至e)求取眼睛瞳孔中心的横坐标。
确立了瞳孔的横坐标和纵坐标,即确定了眼睛的位置,实现对眼睛的快速 定位。
该算法可用C++编程实现。
    S5、对检测定位后的人脸图像进行特征提取;采用PCA算法提取人脸图像特征矢量值。
S6、将经特征提取后的人脸图像与目标数据库中的人脸图像样本进行对比识别,输出识别结果;可采用BP神经网络算法进行识别,将待识别的人脸图像特征矢量值与目标数据库中人脸图像样本的BP神经网络收敛权值相比得识别结果。
本发明的3D人脸识别方法利用人脸灰度图像中眼睛定位的人脸位置矫正方法,针对人眼灰度变化特点、人眼几何形状特征及双眼的轴对称性的特点,该方法对于双眼可见单人脸灰度图像能实现快速有效矫正,并能在矫正结果中精确给出双眼瞳孔位置,实现快速定位;特征提取和识别过中,利用BP神经网络的主元分析人脸图像识别方法,该方法利用非线性主元分析神经网络对人脸图像提取人脸特征(矢量),并在BP神经网络上实现了对人脸图像的识别,提高了识别率,具有可靠的有效性和稳定性。
以上依据本发明的理想实施例为启示,通过上述的说明内容,相关人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定技术性范围。

Claims (5)

1.一种3D人脸识别方法,其特征在于:包括以下步骤:
      1)创建具有人脸图像样本的目标数据库;
      2)利用对称设置的左摄像头和右摄像头分别拍摄左脸图像和右脸图像;
      3)将拍摄到的左脸图像和右脸图像进行立体融合获得完整人脸图像;
      4)对步骤3)中的人脸图像进行基于眼睛定位的人脸检测定位;
      5)对检测定位后的人脸图像进行特征提取;
      6)将经特征提取后的人脸图像与目标数据库中的人脸图像样本进行对比识别,输出识别结果。
2.根据权利要求1所述的一种3D人脸识别方法,其特征在于:所述步骤3)中左脸图像与右脸图像的立体融合是基于像素级的图像融合,采用三维小波变换法进行立体融合。
3.根据权利要求1所述的一种3D人脸识别方法,其特征在于:所述步骤4)中采用投影峰算法对眼睛快速定位,所述投影峰算法包括以下步骤:
a) 对图像做水平灰度积分投影;
b)去除投影积分曲线上的毛刺;
c)搜索曲线上的投影峰;
d)求取所有投影峰的评价值,并对评价值排序,评价值最大的投影峰对应眼睛所在区域;
e)在确定的眼睛所处区间内,求灰度积分值最大的点,则该点对应眼睛瞳孔中心的纵坐标;
f)依据步骤a)至e)求取眼睛瞳孔中心的横坐标。
4.根据权利要求1所述的一种3D人脸识别方法,其特征在于:所述步骤5)中采用PCA算法提取人脸图像特征矢量值。
5.根据权利要求4所述的一种3D人脸识别方法,其特征在于:所述步骤6)中采用BP神经网络算法进行识别,将待识别的人脸图像特征矢量值与目标数据库中人脸图像样本的BP神经网络收敛权值相比得识别结果。
CN2013101746081A 2013-05-13 2013-05-13 一种3d人脸识别方法 Pending CN103218612A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2013101746081A CN103218612A (zh) 2013-05-13 2013-05-13 一种3d人脸识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2013101746081A CN103218612A (zh) 2013-05-13 2013-05-13 一种3d人脸识别方法

Publications (1)

Publication Number Publication Date
CN103218612A true CN103218612A (zh) 2013-07-24

Family

ID=48816381

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2013101746081A Pending CN103218612A (zh) 2013-05-13 2013-05-13 一种3d人脸识别方法

Country Status (1)

Country Link
CN (1) CN103218612A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104408412A (zh) * 2014-11-20 2015-03-11 苏州福丰科技有限公司 一种用于保险柜的三维人脸识别方法
CN104573639A (zh) * 2014-12-23 2015-04-29 苏州福丰科技有限公司 一种三维人脸门禁识别系统
CN104616223A (zh) * 2014-12-30 2015-05-13 苏州福丰科技有限公司 一种基于三维人脸识别系统的考生信息采集管理系统
CN106774863A (zh) * 2016-12-03 2017-05-31 西安中科创星科技孵化器有限公司 一种基于瞳孔特征实现视线追踪的方法
CN107730693A (zh) * 2017-11-13 2018-02-23 苏州大成电子科技有限公司 一种门禁系统的人脸识别方法
CN107944437A (zh) * 2017-12-31 2018-04-20 广州二元科技有限公司 一种基于神经网络和积分图像的人脸定位方法
CN109948555A (zh) * 2019-03-21 2019-06-28 于建岗 基于视频流的人脸超分辨率识别方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101145261A (zh) * 2007-10-11 2008-03-19 中国科学院长春光学精密机械与物理研究所 Atm系统自动识别装置
CN101625768A (zh) * 2009-07-23 2010-01-13 东南大学 一种基于立体视觉的三维人脸重建方法
CN101866497A (zh) * 2010-06-18 2010-10-20 北京交通大学 基于双目立体视觉的智能三维人脸重建方法及系统
US20110102553A1 (en) * 2007-02-28 2011-05-05 Tessera Technologies Ireland Limited Enhanced real-time face models from stereo imaging
CN102592117A (zh) * 2011-12-30 2012-07-18 杭州士兰微电子股份有限公司 三维物体识别方法及系统
CN103065289A (zh) * 2013-01-22 2013-04-24 清华大学 基于双目立体视觉的四目摄像机正面人脸重建方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110102553A1 (en) * 2007-02-28 2011-05-05 Tessera Technologies Ireland Limited Enhanced real-time face models from stereo imaging
CN101145261A (zh) * 2007-10-11 2008-03-19 中国科学院长春光学精密机械与物理研究所 Atm系统自动识别装置
CN101625768A (zh) * 2009-07-23 2010-01-13 东南大学 一种基于立体视觉的三维人脸重建方法
CN101866497A (zh) * 2010-06-18 2010-10-20 北京交通大学 基于双目立体视觉的智能三维人脸重建方法及系统
CN102592117A (zh) * 2011-12-30 2012-07-18 杭州士兰微电子股份有限公司 三维物体识别方法及系统
CN103065289A (zh) * 2013-01-22 2013-04-24 清华大学 基于双目立体视觉的四目摄像机正面人脸重建方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
戴景文等: "基于投影峰的眼睛快速定位方法", 《模式识别与人工智能》 *
王磊: "基于多相机阵列的多姿态人脸识别", 《中国优秀硕士学士论文全文数据库信息科技辑》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104408412A (zh) * 2014-11-20 2015-03-11 苏州福丰科技有限公司 一种用于保险柜的三维人脸识别方法
CN104573639A (zh) * 2014-12-23 2015-04-29 苏州福丰科技有限公司 一种三维人脸门禁识别系统
CN104616223A (zh) * 2014-12-30 2015-05-13 苏州福丰科技有限公司 一种基于三维人脸识别系统的考生信息采集管理系统
CN106774863A (zh) * 2016-12-03 2017-05-31 西安中科创星科技孵化器有限公司 一种基于瞳孔特征实现视线追踪的方法
CN107730693A (zh) * 2017-11-13 2018-02-23 苏州大成电子科技有限公司 一种门禁系统的人脸识别方法
CN107944437A (zh) * 2017-12-31 2018-04-20 广州二元科技有限公司 一种基于神经网络和积分图像的人脸定位方法
CN107944437B (zh) * 2017-12-31 2018-12-14 广州二元科技有限公司 一种基于神经网络和积分图像的人脸定位方法
CN109948555A (zh) * 2019-03-21 2019-06-28 于建岗 基于视频流的人脸超分辨率识别方法
CN109948555B (zh) * 2019-03-21 2020-11-06 于建岗 基于视频流的人脸超分辨率识别方法

Similar Documents

Publication Publication Date Title
CN103218612A (zh) 一种3d人脸识别方法
US11682232B2 (en) Device and method with image matching
CN103914686B (zh) 一种基于证件照与采集照的人脸比对认证方法及系统
CN106339702A (zh) 一种基于多特征融合的人脸识别方法
CN108921100A (zh) 一种基于可见光图像与红外图像融合的人脸识别方法及系统
CN105095829B (zh) 一种人脸识别方法及系统
CN109522853B (zh) 面向监控视频的人脸检测与搜索方法
CN103136516B (zh) 可见光与近红外信息融合的人脸识别方法及系统
CN106548165A (zh) 一种基于图像分块加权的卷积神经网络的人脸识别方法
CN103049758B (zh) 融合步态光流图和头肩均值形状的远距离身份验证方法
CN105184238A (zh) 一种人脸识别方法及系统
CN103593598A (zh) 基于活体检测和人脸识别的用户在线认证方法及系统
CN105138954A (zh) 一种图像自动筛选查询识别系统
CN108846306A (zh) 一种基于深度学习人脸识别的身份证比对系统及方法
CN104112115A (zh) 一种三维人脸检测与识别技术
CN109784219A (zh) 一种基于集中协调学习的人脸识别方法、系统及装置
CN105913013A (zh) 双目视觉人脸识别算法
CN103116749A (zh) 一种基于自建图像库的近红外人脸识别方法
CN102043953A (zh) 一种实时鲁棒的针对特定场景的行人检测方法
CN109902604B (zh) 一种基于飞腾平台的高安全性人脸比对系统及其方法
CN103902962A (zh) 一种遮挡或光源自适应人脸识别方法和装置
CN107423712A (zh) 一种3d人脸识别方法
CN104573634A (zh) 一种三维人脸识别方法
EP3905104A1 (en) Living body detection method and device
CN104517095A (zh) 一种基于深度图像的人头分割方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20130724

RJ01 Rejection of invention patent application after publication