CN103745208A - 一种人脸识别的方法及装置 - Google Patents

Abstract

本发明适用于计算机技术领域，提供了一种人脸识别的方法及装置，包括：采集待识别人脸的三维模型；将所述待识别人脸的三维模型在样本数据库中进行匹配，分别获取所述待识别人脸的三维模型与所述样本数据库中每一个三维模型的配准误差；将所述样本数据库中与所述待识别人脸的三维模型的所述配准误差最小的三维模型的身份确定为所述待识别人脸的三维模型的身份。在本发明中，通过对人脸进行三维建模，基于三维人脸模型来进行人脸识别，使得人脸识别的结果不会因为人脸姿态的改变而发生变化，从而有效提高了人脸识别的成功率。

Description

一种人脸识别的方法及装置

技术领域

本发明属于计算机技术领域，尤其涉及一种人脸识别的方法及装置。

背景技术

人脸识别，是基于人的脸部特征信息，通过计算机进行身份识别的一种技术，当给定一张人脸时，通过人脸识别算法在预存储了不同身份的众多人脸的数据库中进行查找，匹配出与给定的人脸最为相似的人脸，那么，该给定人脸的身份即为匹配出的人脸所对应的身份。目前，人脸识别技术被广泛应用在安防、信息安全领域。

目前的人脸识别技术均是以二维图像为识别基础，从二维的人脸图像中进行人脸特征提取，然而，由于二维图像对人脸的姿态要求限制较多，需要保证进行识别的人脸图像与数据库中预存储的人脸图像的姿态一致，否则，容易导致识别结果出错。

发明内容

本发明实施例的目的在于提供一种人脸识别的方法，旨在解决目前人脸识别技术容易导致识别结果出错的问题。

本发明实施例是这样实现的，一种人脸识别的方法，包括：

采集待识别人脸的三维模型；

将所述待识别人脸的三维模型在样本数据库中进行匹配，分别获取所述待识别人脸的三维模型与所述样本数据库中每一个三维模型的配准误差；

将所述样本数据库中与所述待识别人脸的三维模型的所述配准误差最小的三维模型的身份确定为所述待识别人脸的三维模型的身份。

本发明实施例的另一目的在于提供一种人脸识别的装置，包括：

采集单元，用于采集待识别人脸的三维模型；

匹配单元，用于将所述待识别人脸的三维模型在样本数据库中进行匹配，分别获取所述待识别人脸的三维模型与所述样本数据库中每一个三维模型的配准误差；

确定单元，用于将所述样本数据库中与所述待识别人脸的三维模型的所述配准误差最小的三维模型的身份确定为所述待识别人脸的三维模型的身份。在本发明实施例中，通过对人脸进行三维建模，基于三维人脸模型来进行人脸识别，使得人脸识别的结果不会因为人脸姿态的改变而发生变化，从而有效提高了人脸识别的成功率。

附图说明

图1是本发明实施例提供的人脸识别的方法的实现流程图；

图2是本发明另一实施例提供的人脸识别的方法的实现流程图；

图3是本发明实施例提供的人脸识别的方法S102的具体实现流程图；

图4是本发明实施例提供的人脸识别的方法S203的具体实现流程图；

图5是本发明实施例提供的人脸识别的装置的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

在本发明实施例中，通过对人脸进行三维建模，基于三维人脸模型来进行人脸识别，使得人脸识别的结果不会因为人脸姿态的改变而发生变化，从而有效提高了人脸识别的成功率。

图1示出了本发明实施例提供的人脸识别的方法的实现流程，详述如下：

在S101中，采集待识别人脸的三维模型。

在本实施例中，对于需要进行识别的人脸，通过三维数据采集设备，例如激光三维扫描仪等装置，采集该人脸的三维数据，输入计算机，通过配套的三维建模软件，建立该人脸的三维模型。

在S102中，将所述待识别人脸的三维模型在样本数据库中进行匹配，分别获取所述待识别人脸的三维模型与所述样本数据库中每一个三维模型的配准误差。

在本实施例中，如图2所示，在S101之前，所述方法还包括：

S104，预先采集已经确定身份的人脸的三维模型，建立所述样本数据库。

在本实施例中，对于已经明确了身份的人脸，可以通过与S101中提及的相同的三维数据采集及建模方法，一一建立这些人脸的三维模型，并将建立好的三维模型与相应的身份进行关联存储，从而建立起样本数据库，建立起的样本数据库用于在后续人脸识别过程中与待识别人脸的三维模型进行匹配，从而确定待识别人脸的身份。

在本实施例中，采用ICP（Interactive Closest Point）算法对待识别人脸的三维模型与样本数据库中的三维模型进行一一匹配，如图3所示，S102具体为：

在S301中，初始化旋转矩阵R_icp为单位矩阵，平移向量T_icp为零向量，迭代次数icp_k=0。

在S302中，基于P上的特征点P_i，查找Q上距离该特征点P_i最近的基准点Q_i，i=1,2,...,n，其中，所述P为所述待识别人脸的三维模型，所述Q为所述样本数据库中当前与所述待识别人脸的三维模型进行人脸特征匹配的三维模型，所述n为所述特征点的数量。

在本实施例中，特征点的选取位置需要用于表明人脸中一些十分重要的特征，例如眼角、鼻尖、嘴角，等等，以便于接下来的配准过程的执行，总的说来，特征点的定位绝大部分是基于人脸的特性的，例如对称性，从获取人脸的对称平面开始，进而定位其他的特征点；又例如几何性（鼻尖处特别凸，眼窝处特别凹，等等），利用特征点的深度、曲率等几何特征定位特征点。具体的特征点选取定位方法在此不用于限定本发明。

在S303中，根据

求出当前迭代中的最小化配准误差，其中，所述minf为所述当前迭代中的最小化配准误差，所述R_{icp_k}为当前迭代中的所述R_icp，所述T_{icp_k}为当前迭代中的所述T_icp。

在S304中，根据P_i=R_{icp_k}P_i+T_{icp_k}对所述特征点P_i进行坐标变换，再根据R_icp＝R_{icp_k}R_icp以及T_icp＝R_{icp_k}T_icp+T_{icp_k}对当前迭代中的R_icp和T_icp进行更新。

在S205中，判断|R_{icp_R}|≤ε_{icp_R}且|T_{icp_T}|≤ε_{icp_T}是否成立，是则步骤终止，否则令icp_k=cip_k+1，返回执行S302直至步骤终止，其中，所述ε_{icp_R}为预设的第一允许误差，所述ε_{icp_T}为预设的第二允许误差。

其中，|R_{icp_R}|≤ε_{icp_R}是用于判断此次迭代之后R_{icp_k}是否接近单位矩阵，|T_{icp_T}|≤ε_{icp_T}是用于判断此次迭代之后T_{icp_k}是否接近零向量，若此次迭代之后R_{icp_k}接近单位矩阵且T_{icp_k}接近零向量，则ICP收敛到局部最优。

图4示出了对S303中对当前迭代中的最小化配准误差的求解过程：

在S401中，根据

计算协方差矩阵，其中，所述∑_PQ为所述协方差矩阵，所述

所述

在S402中，生成列向量Δ＝[A₂₃A₃₁A₁₂]^T，其中，A_ij=(∑_PQ-∑_PQ ^T)_ij。

在S403中，生成对称矩阵：

$M\left({\mathrm{\Σ}}_{\mathrm{PQ}}\right)=\left[\begin{array}{cc}\mathrm{tr}\left({\mathrm{\Σ}}_{\mathrm{PQ}}\right)& {\mathrm{\Δ}}^T\\ \mathrm{\Δ}& {\mathrm{\Σ}}_{\mathrm{PQ}}+{{\mathrm{\Σ}}_{\mathrm{PQ}}}^T-\mathrm{tr}\left({\mathrm{\Σ}}_{\mathrm{PQ}}\right)I_3\end{array}\right],$ 其中，所述M(∑_PQ)为所述对称矩阵，所述I₃为3×3的单位矩阵。

在S404中，获取所述对称矩阵最大特征值对应的单位特征向量q_R＝(q₀q₁q₃q₄)^T。

在S405中，根据：

$R_{\mathrm{icp}\_k}=\left[\begin{array}{ccc}{q_0}^2+{q_1}^2-{q_2}^2-{q_3}^2& 2(q_1{q}_2-q_0{q}_3)& 2(q_1{q}_3+q_0{q}_2)\\ 2(q_1{q}_2+q_0{q}_3)& {q_0}^2+{q_2}^2-{q_1}^2-{q_3}^2& 2(q_2{q}_3-q_0{q}_1)\\ 2(q_1{q}_3-q_0{q}_2)& 2(q_2{q}_3+q_0{q}_1)& {q_0}^2+{q_3}^2-{q_1}^2-{q_2}^2\end{array}\right]$ 计算当前迭代中的所述R_icp，根据T_{icp_k}＝μ_Q-R_{icp_k}μ_P计算当前迭代中的所述T_icp。

在S406中，根据求出当前迭代中的最小化配准误差。

在S103中，将所述样本数据库中与所述待识别人脸的三维模型的所述配准误差最小的三维模型的身份确定为所述待识别人脸的三维模型的身份。

在本发明实施例中，通过对人脸进行三维建模，基于三维人脸模型来进行人脸识别，使得人脸识别的结果不会因为人脸姿态的改变而发生变化，从而有效提高了人脸识别的成功率。

图5示出了本发明实施例提供的人脸识别的装置的结构框图，该装置可以位于人脸识别系统中，用于运行本发明图1至图4实施例所述的人脸识别的方法。为了便于说明，仅示出了与本实施例相关的部分。

参照图5，该装置包括：

采集单元51，采集待识别人脸的三维模型。

匹配单元52，将所述待识别人脸的三维模型在样本数据库中进行匹配，分别获取所述待识别人脸的三维模型与所述样本数据库中每一个三维模型的配准误差。

确定单元53，将所述样本数据库中与所述待识别人脸的三维模型的所述配准误差最小的三维模型的身份确定为所述待识别人脸的三维模型的身份。

可选地，所述装置还包括：

建立单元，预先采集已经确定身份的人脸的三维模型，建立所述样本数据库。

可选地，所述匹配单元包括：

初始化子单元，初始化旋转矩阵R_icp为单位矩阵，平移向量T_icp为零向量，迭代次数icp_k=0。

查找子单元，基于P上的特征点P_i，查找Q上距离该特征点P_i最近的基准点Q_i，i=1,2,...,n，其中，所述P为所述待识别人脸的三维模型，所述Q为所述样本数据库中当前与所述待识别人脸的三维模型进行人脸特征匹配的三维模型，所述n为所述特征点的数量。

计算子单元，根据

求出当前迭代中的最小化配准误差，其中，所述minf为所述当前迭代中的最小化配准误差，所述R_{icp_k}为当前迭代中的所述R_icp，所述T_{icp_k}为当前迭代中的所述T_icp。

更新子单元，根据P_i=R_{icp_k}P_i+T_{icp_k}对所述特征点P_i进行坐标变换后，再根据R_icp＝R_{icp_k}R_icp以及T_icp＝R_{icp_k}T_icp+T_{icp_k}对当前迭代中的R_icp和T_icp进行更新。

判断子单元，判断|R_{icp_R}|≤ε_{icp_R}且|T_{icp_T}|≤ε_{icp_T}是否成立，是则步骤终止，否则令icp_k=cip_k+1，返回执行所述基于P上的特征点P_i，查找Q上距离该特征点P_i最近的基准点Q_i直至步骤终止，其中，所述ε_{icp_R}为预设的第一允许误差，所述ε_{icp_T}为预设的第二允许误差。

可选地，所述计算子单元具体用于：

根据

计算协方差矩阵，其中，所述∑_PQ为所述协方差矩阵，所述 ${\mathrm{\μ}}_P=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{P}_i,$ 所述 ${\mathrm{\μ}}_Q=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{Q}_i;$

生成列向量Δ＝[A₂₃A₃₁A₁₂]^T，其中，A_ij=(∑_PQ-∑_PQ ^T)_ij；

生成对称矩阵 $M\left({\mathrm{\Σ}}_{\mathrm{PQ}}\right)=\left[\begin{array}{cc}\mathrm{tr}\left({\mathrm{\Σ}}_{\mathrm{PQ}}\right)& {\mathrm{\Δ}}^T\\ \mathrm{\Δ}& {\mathrm{\Σ}}_{\mathrm{PQ}}+{{\mathrm{\Σ}}_{\mathrm{PQ}}}^T-\mathrm{tr}\left({\mathrm{\Σ}}_{\mathrm{PQ}}\right)I_3\end{array}\right],$ 其中，所述M(∑_PQ)为所述对称矩阵，所述I₃为3×3的单位矩阵；

获取所述对称矩阵最大特征值对应的单位特征向量q_R＝(q₀q₁q₃q₄)^T；

根据 $R_{\mathrm{icp}\_k}=\left[\begin{array}{ccc}{q_0}^2+{q_1}^2-{q_2}^2-{q_3}^2& 2(q_1{q}_2-q_0{q}_3)& 2(q_1{q}_3+q_0{q}_2)\\ 2(q_1{q}_2+q_0{q}_3)& {q_0}^2+{q_2}^2-{q_1}^2-{q_3}^2& 2(q_2{q}_3-q_0{q}_1)\\ 2(q_1{q}_3-q_0{q}_2)& 2(q_2{q}_3+q_0{q}_1)& {q_0}^2+{q_3}^2-{q_1}^2-{q_2}^2\end{array}\right]$ 计算当前迭代中的所述R_icp，根据T_{icp_k}＝μ_Q-R_{icp_k}μ_P计算当前迭代中的所述T_icp；

根据

求出当前迭代中的最小化配准误差。

在本发明实施例中，通过对人脸进行三维建模，基于三维人脸模型来进行人脸识别，使得人脸识别的结果不会因为人脸姿态的改变而发生变化，从而有效提高了人脸识别的成功率。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种人脸识别的方法，其特征在于，包括：

采集待识别人脸的三维模型；

将所述待识别人脸的三维模型在样本数据库中进行匹配，分别获取所述待识别人脸的三维模型与所述样本数据库中每一个三维模型的配准误差；

将所述样本数据库中与所述待识别人脸的三维模型的所述配准误差最小的三维模型的身份确定为所述待识别人脸的三维模型的身份。

2.如权利要求1所述的方法，其特征在于，在所述采集待识别人脸的三维模型之前，所述方法还包括：

预先采集已经确定身份的人脸的三维模型，建立所述样本数据库。

3.如权利要求1所述的方法，其特征在于，所述将所述待识别人脸的三维模型在样本数据库中进行匹配，分别获取所述待识别人脸的三维模型与所述样本数据库中每一个三维模型的配准误差包括：

初始化旋转矩阵R_icp为单位矩阵，平移向量T_icp为零向量，迭代次数icp_k=0；

基于P上的特征点P_i，查找Q上距离该特征点P_i最近的基准点Q_i，i=1,2,...,n，其中，所述P为所述待识别人脸的三维模型，所述Q为所述样本数据库中当前与所述待识别人脸的三维模型进行人脸特征匹配的三维模型，所述n为所述特征点的数量；

根据

求出当前迭代中的最小化配准误差，其中，所述minf为所述当前迭代中的最小化配准误差，所述R_{icp_k}为当前迭代中的所述R_icp，所述T_{icp_k}为当前迭代中的所述T_icp；

根据P_i=R_{icp_k}P_i+T_{icp_k}对所述特征点P_i进行坐标变换后，再根据R_icp＝R_{icp_k}R_icp以及T_icp＝R_{icp_k}T_icp+T_{icp_k}对当前迭代中的R_icp和T_icp进行更新；

判断

是否成立，是则步骤终止，否则令icp_k=cip_k+1，返回执行所述基于P上的特征点P_i，查找Q上距离该特征点P_i最近的基准点Q_i直至步骤终止，其中，所述ε_{icp_R}为预设的第一允许误差，所述ε_{icp_T}为预设的第二允许误差。

4.如权利要求3所述的方法，其特征在于，所述根据

求出当前迭代中的最小化配准误差包括：

根据

计算协方差矩阵，其中，所述∑_PQ为所述协方差矩阵，所述 ${\mathrm{\μ}}_P=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{P}_i,$ 所述 ${\mathrm{\μ}}_Q=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{Q}_i;$

生成列向量Δ＝[A₂₃A₃₁A₁₂]^T，其中，A_ij=(∑_PQ-∑_PQ ^T)_ij；

生成对称矩阵 $M\left({\mathrm{\Σ}}_{\mathrm{PQ}}\right)=\left[\begin{array}{cc}\mathrm{tr}\left({\mathrm{\Σ}}_{\mathrm{PQ}}\right)& {\mathrm{\Δ}}^T\\ \mathrm{\Δ}& {\mathrm{\Σ}}_{\mathrm{PQ}}+{{\mathrm{\Σ}}_{\mathrm{PQ}}}^T-\mathrm{tr}\left({\mathrm{\Σ}}_{\mathrm{PQ}}\right)I_3\end{array}\right],$ 其中，所述M(∑_PQ)为所述对称矩阵，所述I₃为3×3的单位矩阵；

获取所述对称矩阵最大特征值对应的单位特征向量q_R＝(q₀q₁q₃q₄)^T；

根据 $R_{\mathrm{icp}\_k}=\left[\begin{array}{ccc}{q_0}^2+{q_1}^2-{q_2}^2-{q_3}^2& 2(q_1{q}_2-q_0{q}_3)& 2(q_1{q}_3+q_0{q}_2)\\ 2(q_1{q}_2+q_0{q}_3)& {q_0}^2+{q_2}^2-{q_1}^2-{q_3}^2& 2(q_2{q}_3-q_0{q}_1)\\ 2(q_1{q}_3-q_0{q}_2)& 2(q_2{q}_3+q_0{q}_1)& {q_0}^2+{q_3}^2-{q_1}^2-{q_2}^2\end{array}\right]$ 计算当前迭代中的所述R_icp，根据T_{icp_k}＝μ_Q-R_{icp_k}μ_P计算当前迭代中的所述T_icp；

根据

求出当前迭代中的最小化配准误差。

5.一种人脸识别的装置，其特征在于，包括：

采集单元，用于采集待识别人脸的三维模型；

匹配单元，用于将所述待识别人脸的三维模型在样本数据库中进行匹配，分别获取所述待识别人脸的三维模型与所述样本数据库中每一个三维模型的配准误差；

确定单元，用于将所述样本数据库中与所述待识别人脸的三维模型的所述配准误差最小的三维模型的身份确定为所述待识别人脸的三维模型的身份。

6.如权利要求1所述的装置，其特征在于，所述装置还包括：

建立单元，用于预先采集已经确定身份的人脸的三维模型，建立所述样本数据库。

7.如权利要求1所述的装置，其特征在于，所述匹配单元包括：

初始化子单元，用于初始化旋转矩阵R_icp为单位矩阵，平移向量T_icp为零向量，迭代次数icp_k=0；

查找子单元，用于基于P上的特征点P_i，查找Q上距离该特征点P_i最近的基准点Q_i，i=1,2,...,n，其中，所述P为所述待识别人脸的三维模型，所述Q为所述样本数据库中当前与所述待识别人脸的三维模型进行人脸特征匹配的三维模型，所述n为所述特征点的数量；

计算子单元，用于根据求出当前迭代中的最小化配准误差，其中，所述minf为所述当前迭代中的最小化配准误差，所述R_{icp_k}为当前迭代中的所述R_icp，所述T_{icp_k}为当前迭代中的所述T_icp；

更新子单元，用于根据P_i=R_{icp_k}P_i+T_{icp_k}对所述特征点P_i进行坐标变换后，再根据R_icp＝R_{icp_k}R_icp以及T_icp＝R_{icp_k}T_icp+T_{icp_k}对当前迭代中的R_icp和T_icp进行更新；

判断子单元，用于判断|R_{icp_R}|≤ε_{icp_R}且|T_{icp_T}|≤ε_{icp_T}是否成立，是则步骤终止，否则令icp_k=cip_k+1，返回执行所述基于P上的特征点P_i，查找Q上距离该特征点P_i最近的基准点Q_i直至步骤终止，其中，所述ε_{icp_R}为预设的第一允许误差，所述ε_{icp_T}为预设的第二允许误差。

8.如权利要求3所述的装置，其特征在于，所述计算子单元具体用于：

根据

计算协方差矩阵，其中，所述∑_PQ为所述协方差矩阵，所述 ${\mathrm{\μ}}_P=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{P}_i,$ 所述 ${\mathrm{\μ}}_Q=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{Q}_i;$

生成列向量Δ＝[A₂₃A₃₁A₁₂]^T，其中，A_ij=(∑_PQ-∑_PQ ^T)_ij；

生成对称矩阵 $M\left({\mathrm{\Σ}}_{\mathrm{PQ}}\right)=\left[\begin{array}{cc}\mathrm{tr}\left({\mathrm{\Σ}}_{\mathrm{PQ}}\right)& {\mathrm{\Δ}}^T\\ \mathrm{\Δ}& {\mathrm{\Σ}}_{\mathrm{PQ}}+{{\mathrm{\Σ}}_{\mathrm{PQ}}}^T-\mathrm{tr}\left({\mathrm{\Σ}}_{\mathrm{PQ}}\right)I_3\end{array}\right],$ 其中，所述M(∑_PQ)为所述对称矩阵，所述I₃为3×3的单位矩阵；

获取所述对称矩阵最大特征值对应的单位特征向量q_R＝(q₀q₁q₃q₄)^T；

根据 $R_{\mathrm{icp}\_k}=\left[\begin{array}{ccc}{q_0}^2+{q_1}^2-{q_2}^2-{q_3}^2& 2(q_1{q}_2-q_0{q}_3)& 2(q_1{q}_3+q_0{q}_2)\\ 2(q_1{q}_2+q_0{q}_3)& {q_0}^2+{q_2}^2-{q_1}^2-{q_3}^2& 2(q_2{q}_3-q_0{q}_1)\\ 2(q_1{q}_3-q_0{q}_2)& 2(q_2{q}_3+q_0{q}_1)& {q_0}^2+{q_3}^2-{q_1}^2-{q_2}^2\end{array}\right]$ 计算当前迭代中的所述R_icp，根据T_{icp_k}＝μ_Q-R_{icp_k}μ_P计算当前迭代中的所述T_icp；

根据

求出当前迭代中的最小化配准误差。

9.一种人脸识别的系统，其特征在于，包括人脸识别的装置，所述装置包括：

采集单元，用于采集待识别人脸的三维模型；

匹配单元，用于将所述待识别人脸的三维模型在样本数据库中进行匹配，分别获取所述待识别人脸的三维模型与所述样本数据库中每一个三维模型的配准误差；

确定单元，用于将所述样本数据库中与所述待识别人脸的三维模型的所述配准误差最小的三维模型的身份确定为所述待识别人脸的三维模型的身份。

10.如权利要求1所述的系统，其特征在于，所述装置还包括：

建立单元，用于预先采集已经确定身份的人脸的三维模型，建立所述样本数据库。

Images