CN104408412A - 一种用于保险柜的三维人脸识别方法 - Google Patents

一种用于保险柜的三维人脸识别方法 Download PDF

Info

Publication number
CN104408412A
CN104408412A CN201410668400.XA CN201410668400A CN104408412A CN 104408412 A CN104408412 A CN 104408412A CN 201410668400 A CN201410668400 A CN 201410668400A CN 104408412 A CN104408412 A CN 104408412A
Authority
CN
China
Prior art keywords
dimensional
face
image
utilize
identification method
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
CN201410668400.XA
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 CN201410668400.XA priority Critical patent/CN104408412A/zh
Publication of CN104408412A publication Critical patent/CN104408412A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种用于保险柜的三维人脸识别方法，包括以下几个步骤：(1)调整左、右摄像机与人脸的相对位置，用于完成人脸二维图像的采集；(2)利用主动形状模型对步骤(1)采集的二维图像进行特征点自动定位；(3)结合摄像机的内外参数得出人脸关键特征点的三维坐标；(4)利用步骤(3)的三维坐标计算特征点距离矩阵，提取三维人脸几何特征；(5)利用反向传播神经网络进行识别。本发明在识别过程中，利用主动形状模型对二维图像进行二维特征点自动定位，并结合摄像机的内外参数得出特征点的三维坐标，从而避免了复杂的人脸三维重建；并利用反向传播神经网络进行识别，使正确识别率得到了提高。

Description

一种用于保险柜的三维人脸识别方法
技术领域
本发明属于人脸识别技术领域，具体涉及一种用于保险柜的三维人脸识别方法。
背景技术
人脸识别容易受环境、姿态、表情等因素的影响，三维人脸图像数据与二维人脸图像数据相比，能够提供更完整、更丰富的识别信息，因而三维人脸识别对光照、姿态以及表情等因素的要求较强。
当前人脸识别方法主要倾向于基于三维人脸模型的识别方法，虽然理论上，三维人脸识别方法比二维人脸识别方法性能更优越，但在实际应用中，三维人脸识别方法尚处于不成熟状态，主要存在以下困难：1)三维数据获取困难，尽管激光、结构光采集设备能获得较精确数据，但价格昂贵，一般用户难以接受，且结构光采集易受环境影响；2)由于传统三维人脸识别方法是基于人脸的三维重建，而三维重建的计算复杂度大，导致传统三维人脸识别方法复杂。
发明内容
针对现有技术存在的不足，本发明目的是提供一种用于保险柜的三维人脸识别方法，不受环境的限制，方法简单、成本低、识别率高。
为了实现上述目的，本发明是通过如下的技术方案来实现：
本发明的一种用于保险柜的三维人脸识别方法，包括以下几个步骤：
(1)调整左、右摄像机与人脸的相对位置，用于完成人脸二维图像的采集；
(2)利用主动形状模型对步骤(1)采集的二维图像进行特征点自动定位；
(3)结合摄像机的内外参数得出人脸关键特征点的三维坐标；
(4)利用步骤(3)的三维坐标计算特征点距离矩阵，提取三维人脸几何特征；
(5)利用反向传播神经网络进行识别。
步骤(2)中，利用二维图像进行特征点自动定位的方法如下：
(1a)根据肤色信息对双目视觉系数获得的左右人脸图像进行人脸区域提取；
(2a)利用极线变换对图像进行校正，并对校正后的左、右图像进行特征点定位，将确定好的人脸区域作为初始位置；
(3a)利用主动形状模型技术进行特征提取，左右每幅图像上分别提取多个特征点。
步骤(4)中，三维人脸几何特征的提取方法如下：
(1b)对提取的特征点进行三维信息的恢复；
(2b)构造三维特征，具体方法为距离特征、角度特征的表示与度量、比例特征的表示与度量、周长特征的表示与度量、面积特征的表示与度量。
步骤(5)中，反向传播神经网络的识别方法如下：
(1c)将构造的多维几何特征向量作为反向传播神经网络的输入，中间层采样15个节点，输出层为判决结果；
(2c)利用梯度下降法，根据已知人脸样本对神经网络中权系数进行训练，训练结果即可对人脸进行识别测试。
本发明在识别过程中，利用主动形状模型对二维图像进行二维特征点自动定位，并结合摄像机的内外参数得出特征点的三维坐标，从而避免了复杂的人脸三维重建；并利用反向传播神经网络进行识别，使正确识别率得到了提高。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
本发明的一种用于保险柜的三维人脸识别方法，包括以下几个步骤：
(1)调整左、右摄像机与人脸的相对位置，用于完成人脸二维图像的采集；
(2)利用主动形状模型对步骤(1)采集的二维图像进行特征点自动定位；
(3)结合摄像机的内外参数得出人脸关键特征点的三维坐标；
(4)利用步骤(3)的三维坐标计算特征点距离矩阵，提取三维人脸几何特征；
(5)利用反向传播神经网络进行识别。
本实施例中，步骤(2)中，利用二维图像进行特征点自动定位的方法如下：
(1a)根据肤色信息对双目视觉系数获得的左右人脸图像进行人脸区域提取；
(2a)利用极线变换对图像进行校正，并对校正后的左、右图像进行特征点定位，将确定好的人脸区域作为初始位置；
(3a)利用主动形状模型技术进行特征提取，左右每幅图像上分别提取多个特征点。
本实施例中，步骤(4)中，三维人脸几何特征的提取方法如下：
(1b)对提取的特征点进行三维信息的恢复；
(2b)构造三维特征，具体方法为距离特征、角度特征的表示与度量、比例特征的表示与度量、周长特征的表示与度量、面积特征的表示与度量。
本实施例中，步骤(5)中，反向传播神经网络的识别方法如下：
(1c)将构造的多维几何特征向量作为反向传播神经网络的输入，中间层采样15个节点，输出层为判决结果；
(2c)利用梯度下降法，根据已知人脸样本对神经网络中权系数进行训练，训练结果即可对人脸进行识别测试。
本发明在识别过程中，利用主动形状模型对二维图像进行二维特征点自动定位，并结合摄像机的内外参数得出特征点的三维坐标，从而避免了复杂的人脸三维重建；并利用反向传播神经网络进行识别，使正确识别率得到了提高。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (4)

1.一种用于保险柜的三维人脸识别方法，其特征在于，包括以下几个步骤：
(1)调整左、右摄像机与人脸的相对位置，用于完成人脸二维图像的采集；
(2)利用主动形状模型对步骤(1)采集的二维图像进行特征点自动定位；
(3)结合摄像机的内外参数得出人脸关键特征点的三维坐标；
(4)利用步骤(3)的三维坐标计算特征点距离矩阵，提取三维人脸几何特征；
(5)利用反向传播神经网络进行识别。
2.根据权利要求1所述的用于保险柜的三维人脸识别方法，其特征在于，步骤(2)中，利用二维图像进行特征点自动定位的方法如下：
(1a)根据肤色信息对双目视觉系数获得的左右人脸图像进行人脸区域提取；
(2a)利用极线变换对图像进行校正，并对校正后的左、右图像进行特征点定位，将确定好的人脸区域作为初始位置；
(3a)利用主动形状模型技术进行特征提取，左右每幅图像上分别提取多个特征点。
3.根据权利要求1所述的用于保险柜的三维人脸识别方法，其特征在于，步骤(4)中，三维人脸几何特征的提取方法如下：
(1b)对提取的特征点进行三维信息的恢复；
(2b)构造三维特征，具体方法为距离特征、角度特征的表示与度量、比例特征的表示与度量、周长特征的表示与度量、面积特征的表示与度量。
4.根据权利要求1所述的用于保险柜的三维人脸识别方法，其特征在于，步骤(5)中，反向传播神经网络的识别方法如下：
(1c)将构造的多维几何特征向量作为反向传播神经网络的输入，中间层采样15个节点，输出层为判决结果；
(2c)利用梯度下降法，根据已知人脸样本对神经网络中权系数进行训练，训练结果即可对人脸进行识别测试。
CN201410668400.XA 2014-11-20 2014-11-20 一种用于保险柜的三维人脸识别方法 Pending CN104408412A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410668400.XA CN104408412A (zh) 2014-11-20 2014-11-20 一种用于保险柜的三维人脸识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410668400.XA CN104408412A (zh) 2014-11-20 2014-11-20 一种用于保险柜的三维人脸识别方法

Publications (1)

Publication Number Publication Date
CN104408412A true CN104408412A (zh) 2015-03-11

Family

ID=52646043

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410668400.XA Pending CN104408412A (zh) 2014-11-20 2014-11-20 一种用于保险柜的三维人脸识别方法

Country Status (1)

Country Link
CN (1) CN104408412A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106803284A (zh) * 2017-01-11 2017-06-06 北京旷视科技有限公司 构建脸部的三维图像的方法及装置
CN107423665A (zh) * 2017-06-05 2017-12-01 中南大学 基于bp神经网络的三维人脸分析方法及其分析系统
WO2018036241A1 (zh) * 2016-08-23 2018-03-01 中兴通讯股份有限公司 一种年龄群体分类的方法及装置
CN108810477A (zh) * 2018-06-27 2018-11-13 江苏源控全程消防有限公司 针对综合视频培训平台远程监控的方法
CN108903370A (zh) * 2018-05-30 2018-11-30 江苏德品家具集团有限公司 人脸识别智能药品柜

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
WO2012129727A1 (en) * 2011-03-31 2012-10-04 Intel Corporation Method of facial landmark detection
CN103218612A (zh) * 2013-05-13 2013-07-24 苏州福丰科技有限公司 一种3d人脸识别方法
CN103530599A (zh) * 2013-04-17 2014-01-22 Tcl集团股份有限公司 一种真实人脸和图片人脸的区别方法和系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
WO2012129727A1 (en) * 2011-03-31 2012-10-04 Intel Corporation Method of facial landmark detection
CN103530599A (zh) * 2013-04-17 2014-01-22 Tcl集团股份有限公司 一种真实人脸和图片人脸的区别方法和系统
CN103218612A (zh) * 2013-05-13 2013-07-24 苏州福丰科技有限公司 一种3d人脸识别方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018036241A1 (zh) * 2016-08-23 2018-03-01 中兴通讯股份有限公司 一种年龄群体分类的方法及装置
CN107766782A (zh) * 2016-08-23 2018-03-06 中兴通讯股份有限公司 一种年龄群体分类的方法及装置
CN106803284A (zh) * 2017-01-11 2017-06-06 北京旷视科技有限公司 构建脸部的三维图像的方法及装置
CN106803284B (zh) * 2017-01-11 2021-03-23 北京旷视科技有限公司 构建脸部的三维图像的方法及装置
CN107423665A (zh) * 2017-06-05 2017-12-01 中南大学 基于bp神经网络的三维人脸分析方法及其分析系统
CN108903370A (zh) * 2018-05-30 2018-11-30 江苏德品家具集团有限公司 人脸识别智能药品柜
CN108810477A (zh) * 2018-06-27 2018-11-13 江苏源控全程消防有限公司 针对综合视频培训平台远程监控的方法

Similar Documents

Publication Publication Date Title
CN107609383B (zh) 3d人脸身份认证方法与装置
CN107748869B (zh) 3d人脸身份认证方法与装置
CN107633165B (zh) 3d人脸身份认证方法与装置
US10262190B2 (en) Method, system, and computer program product for recognizing face
CN108629305A (zh) 一种面部识别方法
CN105718869B (zh) 一种评估图片中人脸颜值的方法和装置
CN102567716B (zh) 一种人脸合成系统及实现方法
CN104408412A (zh) 一种用于保险柜的三维人脸识别方法
CN109299659A (zh) 一种基于rgb相机和深度学习的人体姿态识别方法与系统
CN104599317B (zh) 一种实现3d扫描建模功能的移动终端及方法
WO2015078018A8 (en) Method and system for face image recognition
CN105956597A (zh) 一种基于卷积神经网络的双目立体匹配方法
CN109190522B (zh) 一种基于红外相机的活体检测方法
CN105654048A (zh) 一种多视角人脸比对方法
CN104881632A (zh) 高光谱人脸识别方法
CN103984922B (zh) 一种基于稀疏表示和形状约束的人脸识别方法
CN103839277A (zh) 一种户外大范围自然场景的移动增强现实注册方法
CN103927016A (zh) 一种基于双目视觉的实时三维双手手势识别方法及其系统
CN103886235B (zh) 一种正面人脸图像生物密钥生成方法
CN104376334B (zh) 一种多尺度特征融合的行人比对方法
CN104036541A (zh) 一种视觉测量中的快速三维重建方法
CN110796101A (zh) 一种嵌入式平台的人脸识别方法及系统
CN103218612A (zh) 一种3d人脸识别方法
CN103902992A (zh) 人脸识别方法
CN103927515A (zh) 三维动态人脸比对方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20150311