CN106951846A - 一种人脸3d模型录入和识别方法和装置 - Google Patents
一种人脸3d模型录入和识别方法和装置 Download PDFInfo
- Publication number
- CN106951846A CN106951846A CN201710144489.3A CN201710144489A CN106951846A CN 106951846 A CN106951846 A CN 106951846A CN 201710144489 A CN201710144489 A CN 201710144489A CN 106951846 A CN106951846 A CN 106951846A
- Authority
- CN
- China
- Prior art keywords
- face
- facial image
- characteristic point
- database
- image
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000001815 facial effect Effects 0.000 claims abstract description 113
- 241001269238 Data Species 0.000 claims abstract description 13
- 239000000284 extract Substances 0.000 claims abstract description 13
- 238000000605 extraction Methods 0.000 claims description 14
- 238000012790 confirmation Methods 0.000 claims description 6
- 238000005215 recombination Methods 0.000 claims description 4
- 230000006798 recombination Effects 0.000 claims description 4
- 230000002950 deficient Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 230000002650 habitual effect Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000005764 inhibitory process Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 231100000241 scar Toxicity 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
-
- 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
- G06V40/172—Classification, e.g. identification
-
- 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
- G06V40/50—Maintenance of biometric data or enrolment thereof
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Library & Information Science (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种人脸3D模型录入和识别方法，包括：通在接收到预设取景范围内抓取到的图像时，提取所述图像中的人脸图像；提取所述人脸图像的特征点数据；将特征点数据与数据库中存储的3D脸膜特征点数据进行比对，以确认所述数据库中与人脸图像匹配的3D脸膜。本发明还公开了一种人脸3D模型录入和识别装置。本发明实现了抓取人脸图像特征点与已保存的3D脸膜特征点比对，以特征点匹配度确认所述人脸图像的身份，提高了人脸识别精准度，并避免了由于抓取到有缺陷人脸图像造成的识别度低的问题。
Description
技术领域
本发明涉及3D人像技术领域，尤其涉及一种人脸3D模型录入和识别方法和装置。
背景技术
随着经济的发展，城镇建设速度加快，以及互联网的突飞猛进，导致城市中人口密集，流动人口增加，引发了城市建设中的交通、社会治安、重点区域防范、网络犯罪日益突出等城市管理问题。近年来，由于流动人口增加、导致的社会犯罪率呈逐年升高的趋势，而现有的视频监控技术及其正面照片存档，在识别人脸时，由于遮挡物以及图像像素等各种因素，导致识别人脸时不能识别，进而造成的人脸识别度低。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种人脸3D模型录入和识别方法，旨在解决识别人像时，由于抓取到的人脸图像的缺陷造成的人脸识别度低的问题。
本发明提供的一种人脸3D模型录入和识别方法，包括：
在接收到预设取景范围内抓取到的图像时，提取所述图像中的人脸图像；
提取所述人脸图像的特征点数据；
将特征点数据与数据库中存储的3D脸膜特征点数据进行比对，以确认所述数据库中与人脸图像匹配的3D脸膜。
优选地，所述将特征点数据与数据库中存储的3D脸膜特征点数据进行比对，以确认所述数据库中与人脸图像匹配的3D脸膜的步骤包括：
计算已提取的人脸图像特征点与3D脸膜特征点的匹配值；
若有匹配值大于或等于预设阈值，则确认匹配值大于或等于预设阈值的所述或等于预设阈值与所述人脸图像匹配。
优选地，所述将特征点数据与数据库中存储的3D脸膜特征点数据进行比对，以确认所述数据库中与人脸图像匹配的3D脸膜的步骤之后，还包括：
若与所述人脸图像匹配的3D脸膜对应的人员为已设定黑名单人员，提示报警。
优选地，所述方法，还包括：
根据预设程序拍摄人脸动态信息，并上传至多维动态人像库；
提取多维动态人像库中人脸图像的特征点数据，生成3D脸膜，并将生成的所述3D脸膜保存至所述数据库。
优选地，所述提取多维动态人像库中人脸图像的特征点数据，生成3D脸膜，保存至数据库的步骤之后，还包括：
完善生成的所述3D脸膜的身份信息。
此外，为实现上述目的，本发明还提供一种人脸3D模型录入和识别装置，包括：
提取模块，用于在接收到预设取景范围内抓取到的图像时，提取所述图像中的人脸图像；
所述提取模块，还用于提取所述人脸图像的特征点数据；
识别模块，用于将特征点数据与数据库中存储的3D脸膜特征点数据进行比对，以确认所述数据库中与人脸图像匹配的3D脸膜。
优选地，所述识别模块，还包括：计算单元，确认单元，
所述计算单元，还用于计算已提取的人脸图像特征点与3D脸膜特征点的匹配值；
所述确认单元，还用于若有匹配值大于或等于预设阈值，则确认匹配值大于或等于预设阈值的所述或等于预设阈值与所述人脸图像匹配。。
优选地，还包括：
警示模块，用于若与所述人脸图像匹配的3D脸膜对应的人员为已设定黑名单人员，提示报警。
优选地，还包括：
拍摄模块，用于根据预设程序拍摄人脸动态信息；
上传模块，用于将已拍摄到的人脸动态信息上传至多维动态人像库；
重组模块，用于提取多维动态人像库中人脸图像的特征点数据，生成3D脸膜，并将生成的所述3D脸膜保存至所述数据库。
优选地，还包括：
操作模块，用于完善生成的所述3D脸膜的身份信息。
本发明通在接收到预设取景范围内抓取到的图像时，提取所述图像中的人脸图像；提取所述人脸图像的特征点数据；将特征点数据与数据库中存储的3D脸膜特征点数据进行比对，以确认所述数据库中与人脸图像匹配的3D脸膜。通过提取需识别的人脸图像，并抓取人脸图像特征点与已保存的3D脸膜特征点比对，以特征点匹配度确认所述人脸图像的身份，提高了人脸识别精准度。
附图说明
图1为本发明人脸3D模型录入和识别方法的第一实施例的流程示意图；
图2为本发明人脸3D模型录入和识别方法的第二实施例的流程示意图；
图3为本发明人脸3D模型录入和识别方法的第三实施例的流程示意图；
图4为本发明人脸3D模型录入和识别装置的第一实施例的功能模块示意图；
图5为本发明人脸3D模型录入和识别装置的第二实施例的功能模块示意图；
图6为本发明人脸3D模型录入和识别装置的第三实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
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。
基于上述问题，本发明提供一种人脸3D模型录入和识别方法。
参照图1，图1为本发明人脸3D模型录入和识别方法的第一实施例的流程示意图。
在一实施例中，所述方法包括：
步骤S10，在接收到预设取景范围内抓取到的图像时，提取所述图像中的人脸图像；
本实施例中，前端采集设备在预设取景范围内拍摄视频或采集图像，其中，所述预设取景范围，为当前前端采集设备所属位置设定的预设取景范围，其通过预设取景范围，能更好抓取取景范围内的人脸图像。所述拍摄视频包括所述前段采集设备镜头覆盖下的环境信息及人像信息，根据已拍摄到的视频信息，从中提取人脸图像信息，将所抓取到的人脸图像信息上传至人脸识别；所述采集到的图像，包括环境信息及人像信息。从所述拍摄到的视频或采集图像内，提取所述人脸图像。其中，所述提取到的人脸图像包括视频及采集图像内有缺陷的人脸图像，例如侧脸、半遮挡人脸、模糊人脸、背光人脸等。进一步的，通过前端采集设备的上传功能，将已抓取到的人脸图像信息上传至特征点数据提取处，所述前端采集设备的上传功能，为当前硬件设备的与所述特征点数据提取处所在硬件设备通过有线/无线方式进行连接，具体连接方式为现有技术，在此不多赘述。若在人脸图像上传过程中，发生网络故障造成上传人脸图像数据失败，则保存所述人脸图像信息至前段采集设备对应存储区域，待检测到网络故障消除后，重新将存储区域中的人脸图像数据上传。
步骤S20，提取所述人脸图像的特征点数据；
将抓取到的人脸图像，根据已设定特征点提取程序，从所述人脸图像中提取人脸图像特征点信息，并生成人脸图像特征点数据；所述人脸图像的特征点，为当前已设定的特征点提取程序进行提取，其特征点提取功能，通过人脸特征点提取程序，确定人脸五官位置及脸部特征点位置，根据已确定的人脸图像特征点信息，生成所述人脸图像特征点数据。
步骤S30，将特征点数据与数据库中存储的3D脸膜特征点数据进行比对，以确认所述数据库中与人脸图像匹配的3D脸膜。
将已提取到的人脸图像特征点数据，与数据库中已存储的3D脸膜特征点数据进行比对，所述3D脸膜特征点，为已生成的所述3D脸膜的人脸图像信息特征点数据，所述3D脸膜特征点数据在生成3D脸膜之前提取并保存，数据库已保存的每一3D脸膜都对应保存有特征点数据用以比对。通过与数据中3D脸膜的特征点数据比对，确认当前人脸图像是否匹配数据中已保存的3D脸膜。
确认所述数据库中与人脸图像匹配的3D脸膜可通过以下方式实现，即所述将特征点数据与数据库中存储的3D脸膜特征点数据进行比对，以确认所述数据库中与人脸图像匹配的3D脸膜，包括：
计算已提取的人脸图像特征点与3D脸膜特征点的匹配值；
已提取到的人脸图像特征点数据，与数据库中已保存的3D脸膜所属特征点数据比对，并计算所述人脸图像特征点与当前比对的3D脸膜特征点匹配值，所述计算所述人脸图像特征点与当前比对的3D脸膜特征点匹配值，具体计算方式为，人脸图像特征点与数据库中一3D脸膜特征点进行比对时，比对一致的特征点数量占所有比对的特征点数量的百分比，作为所述人脸图像特征点与当前比对的3D脸膜特征点匹配值。
若有匹配值大于或等于预设阈值，则确认匹配值大于或等于预设阈值的所述或等于预设阈值与所述人脸图像匹配。
已计算到的特征点匹配值，若有大于或等于预设阈值的匹配值，则确认计算所述匹配值的3D脸膜与所述人脸图像匹配成功，即，所述人脸图像与所匹配的3D脸膜为同一人。所述预设阈值，为已设置的特征点比对阈值数据，其阈值数据，根据当前人脸识别效率计算得出。且所述阈值数据，可根据当前人脸识别的前段采集装置取景的覆盖范围，具体设置阈值数据，提高人脸识别的精确度及人脸识别效率。
或者，当前人脸图像特征点与数据库中保存的3D脸膜特征点匹配，所计算到的匹配值，若有超过1个以上的匹配值大于或等于预设阈值，确认匹配值最大的匹配值所对应的3D脸膜与所述人脸图像匹配。
根据所述人脸识别方法的识别方式，其应用范围包括公用、商用及民用。例如公用的安全防范(特殊人员布控、轨迹分析、行为模式挖掘等)、出入境管理(边检出入境等)、商用的金融/医疗(刷脸支付、智能ATM、开户、人脸排号、人卡合一、电子病历等)智能商业(VIP识别、消费挖掘与推荐、人流统计、定位导购等)、出席管理(工作考勤、会议签到、社区与办公门禁、大会、展览、登机、登车等)以及民用的智能社区(小区住户管理、小区方可管理等)、智能家居(电视内容管理、灯光控制、智能机器人等)、智能安防(家庭安防、防盗锁、防盗门、储物柜、人车合一等)。
本实施例通过将前段采集设备抓取到图像提取到的人脸图像，提取所述人脸图像特征点与数据库中已保存的3D人脸图像特征点比对，确认所述人脸图像的身份信息，其根据人脸图像特征点与3D脸膜特征点对比，避免了由于人脸图像不清晰，遮挡物及低像素的问题导致的人脸图像不清晰带来的识别困难，提高了人脸识别的精准度。
参照图2，图2为本发明人脸3D模型录入和识别方法的第二实施例的流程示意图，基于上述方法的第一实施例，所述将特征点数据与数据库中存储的3D脸膜特征点数据进行比对，以确认所述数据库中与人脸图像匹配的3D脸膜的步骤之后，还包括：
步骤S40，若与所述人脸图像匹配的3D脸膜为已设定黑名单人员，提示报警。
当前人脸图像确认与数据库中已保存的一3D脸膜匹配成功后，即人脸图像与3D脸膜为同一人；提取所述3D脸膜已存储的人员资料信息，若所述人员资料信息中被标志为黑名单人员，提示当前人脸图像为黑名单人员，需报警处理。或当所述人员为黑名单人员时，根据预设报警程序，自动报警。
对应的，若当前用以识别的人脸图像与数据库中已保存的一3D脸膜匹配成功后，即人脸图像与3D脸膜为同一人；提取所述3D脸膜已存储的人员资料信息，若所述人员资料信息为已标志的白名单人员，则根据所述人员对应权限，控制对应设备开启或者放行。例如，有人员进入秘密基地，在通过3D人脸匹配识别所述人员为本基地工作人员，控制门禁开启使所述人员进入本基地。
或者，当前用以识别的人脸图像，不匹配数据库中已存储的3D脸膜，但所述人脸图像属于已标注的人员信息时，根据所述标注内容，对应处理当前人脸图像的所述人员；例如，所述人脸图像被标志为快递员，则提示需补充所述人脸图像的人员资料。
参照图3，图3为本发明人脸3D模型录入和识别方法的第三实施例的流程示意图。基于上述方法的第一实施例或第二实施例，所述方法，还包括：
步骤S50，根据预设程序拍摄人脸动态信息，并上传至多维动态人像库；
通过智能采集设备，以预设程序为基础，拍摄所需人脸动态图像，所述预设程序，用以设置标准人脸图像采集机制的控制方式，例如，在所述预设程序中设置智能采集设备的镜头位置，用以拍摄人脸图像。所述智能采集设备包括摄像机、相机等，并与所述预设程序关联，以便通过预设程序控制所述智能采集设备拍摄人脸的动态信息，形成人脸图像，其人脸的动态信息，包括所述不同角度的侧脸、正脸，统称为人脸动态图像。将已拍摄形成的人脸动态图像，上传至多维动态人像库，所述多维动态人像库，用于保存已拍摄完成的人脸动态图像，在多维动态人像库中，以人员信息为标识，以组为单位保存单个人员人脸动态图像。
步骤S60，提取多维动态人像库中人脸图像的特征点数据，生成3D脸膜，保存至数据库。
通过特征点提取程序，提取多维动态人像库中人脸图像特征点，所述人脸图像特征点，其提取的具体操作步骤为，提取人脸图像的五官位置，及脸部特征点位置例如酒窝、伤疤等的位置。保存已提取到的人脸图像五官位置及脸部特征点位置信息，生成所述人脸图像的特征点数据；将已提取到的人脸图像特征点数据，通过3D脸膜生成方式，生成3D脸膜信息，保存至数据中。所述3D脸膜生成方式，为现有技术的3D脸膜生成技术，在此不多加赘述。
步骤S70，完善生成的所述3D脸膜的身份信息。
已保存至数据库中的3D脸膜，根据所述3D脸膜对应人员信息，在数据库中补充相应的身份资料，并根据所述人员身份资料，在数据库中分类保存；例如，所述人员为惯犯，通过对人脸图像的特征点抓取生成的人脸3D脸膜，在数据库中将所述3D脸膜加入至黑名单，在所述人员出现在前段采集设备取景范围内时，抓取所述人员的人脸图像信息与数据中3D脸膜匹配，在匹配成功后提示报警。
上述第一至第二实施例的人脸3D模型录入和识别方法的执行主体均可以为有人脸采集功能的电子设备或与所述电子设备关联的其他硬件设备。更进一步地，该人脸3D模型录入和识别方法可以由安装在有人脸采集功能的电子设备上的客户端程序实现，其中，该有人脸采集功能的电子设备可以包括但不限于摄像机、摄像头等电子设备。所述与电子设备关联的其他硬件设备包括但不限于手机、pad、笔记本电脑等。
本发明进一步提供一种人脸3D模型录入和识别装置。
参照图4，图4为本发明人脸3D模型录入和识别装置的第一实施例的功能模块示意图。
在一实施例中，所述装置包括：提取模块10、识别模块20。
提取模块10，用于在接收到预设取景范围内抓取到的图像时，提取所述图像中的人脸图像；
本实施例中，前端采集设备在预设取景范围内拍摄视频或采集图像，其中，所述预设取景范围，为当前前端采集设备所属位置设定的预设取景范围，其通过预设取景范围，能更好抓取取景范围内的人脸图像。所述拍摄视频包括所述前段采集设备镜头覆盖下的环境信息及人像信息，根据已拍摄到的视频信息，从中提取人脸图像信息，将所抓取到的人脸图像信息上传至人脸识别；所述采集到的图像，包括环境信息及人像信息。从所述拍摄到的视频或采集图像内，提取所述人脸图像。其中，所述提取到的人脸图像包括视频及采集图像内有缺陷的人脸图像，例如侧脸、半遮挡人脸、模糊人脸、背光人脸等。进一步的，通过前端采集设备的上传功能，将已抓取到的人脸图像信息上传至特征点数据提取处，所述前端采集设备的上传功能，为当前硬件设备的与所述特征点数据提取处所在硬件设备通过有线/无线方式进行连接，具体连接方式为现有技术，在此不多赘述。若在人脸图像上传过程中，发生网络故障造成上传人脸图像数据失败，则保存所述人脸图像信息至前段采集设备对应存储区域，待检测到网络故障消除后，重新将存储区域中的人脸图像数据上传。
所述提取模块10，还用于提取所述人脸图像的特征点数据；
将抓取到的人脸图像，根据已设定特征点提取程序，从所述人脸图像中提取人脸图像特征点信息，并生成人脸图像特征点数据；所述人脸图像的特征点，为当前已设定的特征点提取程序进行提取，其特征点提取功能，通过人脸特征点提取程序，确定人脸五官位置及脸部特征点位置，根据已确定的人脸图像特征点信息，生成所述人脸图像特征点数据。
识别模块20，用于将特征点数据与数据库中存储的3D脸膜特征点数据进行比对，以确认所述数据库中与人脸图像匹配的3D脸膜。
将已提取到的人脸图像特征点数据，与数据库中已存储的3D脸膜特征点数据进行比对，所述3D脸膜特征点，为已生成的所述3D脸膜的人脸图像信息特征点数据，所述3D脸膜特征点数据在生成3D脸膜之前提取并保存，数据库已保存的每一3D脸膜都对应保存有特征点数据用以比对。通过与数据中3D脸膜的特征点数据比对，确认当前人脸图像是否匹配数据中已保存的3D脸膜。
确认所述数据库中与人脸图像匹配的3D脸膜可通过以下方式实现，即，所述识别模块20，还包括：计算单元201，确认单元202，
所述计算单元201，还用于计算已提取的人脸图像特征点与3D脸膜特征点的比对数值；
已提取到的人脸图像特征点数据，与数据库中已保存的3D脸膜所属特征点数据比对，并计算所述人脸图像特征点与当前比对的3D脸膜特征点匹配值，所述计算所述人脸图像特征点与当前比对的3D脸膜特征点匹配值，具体计算方式为，人脸图像特征点与数据库中一3D脸膜特征点进行比对时，比对一致的特征点数量占所有比对的特征点数量的百分比，作为所述人脸图像特征点与当前比对的3D脸膜特征点匹配值。
所述确认单元202，还用于若比对数据大于或等于预设阈值，则确认所述人脸图像与数据库对应的3D脸膜为同一人。
已计算到的特征点匹配值，若有大于或等于预设阈值的匹配值，则确认计算所述匹配值的3D脸膜与所述人脸图像匹配成功，即，所述人脸图像与所匹配的3D脸膜为同一人。所述预设阈值，为已设置的特征点比对阈值数据，其阈值数据，根据当前人脸识别效率计算得出。且所述阈值数据，可根据当前人脸识别的前段采集装置取景的覆盖范围，具体设置阈值数据，提高人脸识别的精确度及人脸识别效率。
或者，当前人脸图像特征点与数据库中保存的3D脸膜特征点匹配，所计算到的匹配值，若有超过1个以上的匹配值大于或等于预设阈值，确认匹配值最大的匹配值所对应的3D脸膜与所述人脸图像匹配。
根据所述人脸识别方法的识别方式，其应用范围包括公用、商用及民用。例如公用的安全防范(特殊人员布控、轨迹分析、行为模式挖掘等)、出入境管理(边检出入境等)、商用的金融/医疗(刷脸支付、智能ATM、开户、人脸排号、人卡合一、电子病历等)智能商业(VIP识别、消费挖掘与推荐、人流统计、定位导购等)、出席管理(工作考勤、会议签到、社区与办公门禁、大会、展览、登机、登车等)以及民用的智能社区(小区住户管理、小区方可管理等)、智能家居(电视内容管理、灯光控制、智能机器人等)、智能安防(家庭安防、防盗锁、防盗门、储物柜、人车合一等)。
本实施例通过将前段采集设备抓取到图像提取到的人脸图像，提取所述人脸图像特征点与数据库中已保存的3D人脸图像特征点比对，确认所述人脸图像的身份信息，其根据人脸图像特征点与3D脸膜特征点对比，避免了由于人脸图像不清晰，遮挡物及低像素的问题导致的人脸图像不清晰带来的识别困难，提高了人脸识别的精准度。
参照图5，图5为本发明人脸3D模型录入和识别装置的第二实施例的功能模块示意图。所述装置还包括：警示模块30。
警示模块30，用于若与所述人脸图像匹配的3D脸膜为已设定黑名单人员，提示报警。
当前人脸图像确认与数据库中已保存的一3D脸膜匹配成功后，即人脸图像与3D脸膜为同一人；提取所述3D脸膜已存储的人员资料信息，若所述人员资料信息中被标志为黑名单人员，提示当前人脸图像为黑名单人员，需报警处理。或当所述人员为黑名单人员时，根据预设报警程序，自动报警。
对应的，若当前用以识别的人脸图像与数据库中已保存的一3D脸膜匹配成功后，即人脸图像与3D脸膜为同一人；提取所述3D脸膜已存储的人员资料信息，若所述人员资料信息为已标志的白名单人员，则根据所述人员对应权限，控制对应设备开启或者放行。例如，有人员进入秘密基地，在通过3D人脸匹配识别所述人员为本基地工作人员，控制门禁开启使所述人员进入本基地。
或者，当前用以识别的人脸图像，不匹配数据库中已存储的3D脸膜，但所述人脸图像属于已标注的人员信息时，根据所述标注内容，对应处理当前人脸图像的所述人员；例如，所述人脸图像被标志为快递员，则提示需补充所述人脸图像的人员资料。
参照图6，图6为本发明人脸3D模型录入和识别装置的第三实施例的功能模块示意图。所述装置还包括：拍摄模块40、上传模块50、重组模块60及操作模块70。
拍摄模块40，用于根据预设程序拍摄人脸动态信息；
通过智能采集设备，以预设程序为基础，拍摄所需人脸动态图像，所述预设程序，用以设置标准人脸图像采集机制的控制方式，例如，在所述预设程序中设置智能采集设备的镜头位置，用以拍摄人脸图像。所述智能采集设备包括摄像机、相机等，并与所述预设程序关联，以便通过预设程序控制所述智能采集设备拍摄人脸的动态信息，形成人脸图像，其人脸的动态信息，包括所述不同角度的侧脸、正脸，统称为人脸动态图像。
上传模块50，用于将已拍摄到的人脸动态信息上传至多维动态人像库；
将已拍摄形成的人脸动态图像，上传至多维动态人像库，所述多维动态人像库，用于保存已拍摄完成的人脸动态图像，在多维动态人像库中，以人员信息为标识，以组为单位保存单个人员人脸动态图像。
重组模块60，用于提取多维动态人像库中人脸图像的特征点数据，生成3D脸膜，保存至数据库。
通过特征点提取程序，提取多维动态人像库中人脸图像特征点，所述人脸图像特征点，其提取的具体操作步骤为，提取人脸图像的五官位置，及脸部特征点位置例如酒窝、伤疤等的位置。保存已提取到的人脸图像五官位置及脸部特征点位置信息，生成所述人脸图像的特征点数据；将已提取到的人脸图像特征点数据，通过3D脸膜生成方式，生成3D脸膜信息，保存至数据中。所述3D脸膜生成方式，为现有技术的3D脸膜生成技术，在此不多加赘述。
操作模块70，用于完善生成的所述3D脸膜的身份信息。
已保存至数据库中的3D脸膜，根据所述3D脸膜对应人员信息，在数据库中补充相应的身份资料，并根据所述人员身份资料，在数据库中分类保存；例如，所述人员为惯犯，通过对人脸图像的特征点抓取生成的人脸3D脸膜，在数据库中将所述3D脸膜加入至黑名单，在所述人员出现在前段采集设备取景范围内时，抓取所述人员的人脸图像信息与数据中3D脸膜匹配，在匹配成功后提示报警。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种人脸3D模型录入和识别方法，其特征在于，所述方法包括以下步骤：
在接收到预设取景范围内抓取到的图像时，提取所述图像中的人脸图像；
提取所述人脸图像的特征点数据；
将特征点数据与数据库中存储的3D脸膜特征点数据进行比对，以确认所述数据库中与人脸图像匹配的3D脸膜。
2.如权利要求1所述人脸3D模型录入和识别方法，其特征在于，所述将特征点数据与数据库中存储的3D脸膜特征点数据进行比对，以确认所述数据库中与人脸图像匹配的3D脸膜的步骤包括：
计算已提取的人脸图像特征点与3D脸膜特征点的匹配值；
若有匹配值大于或等于预设阈值，则确认匹配值大于或等于预设阈值的所述或等于预设阈值与所述人脸图像匹配。
3.如权利要求1所述人脸3D模型录入和识别方法，其特征在于，所述将特征点数据与数据库中存储的3D脸膜特征点数据进行比对，以确认所述数据库中与人脸图像匹配的3D脸膜的步骤之后，还包括：
若与所述人脸图像匹配的3D脸膜对应的人员为已设定黑名单人员，提示报警。
4.如权利要求1至3任一项所述人脸3D模型录入和识别方法，其特征在于，所述方法，还包括：
根据预设程序拍摄人脸动态信息，并上传至多维动态人像库；
提取多维动态人像库中人脸图像的特征点数据，生成3D脸膜，并将生成的所述3D脸膜保存至所述数据库。
5.如权利要求4所述人脸3D模型录入和识别方法，其特征在于，所述提取多维动态人像库中人脸图像的特征点数据，生成3D脸膜，保存至数据库的步骤之后，还包括：
完善生成的所述3D脸膜的身份信息。
6.一种人脸3D模型录入和识别装置，其特征在于，包括：
提取模块，用于在接收到预设取景范围内抓取到的图像时，提取所述图像中的人脸图像；
所述提取模块，还用于提取所述人脸图像的特征点数据；
识别模块，用于将特征点数据与数据库中存储的3D脸膜特征点数据进行比对，以确认所述数据库中与人脸图像匹配的3D脸膜。
7.如权利要求6所述人脸3D模型录入和识别装置，其特征在于，所述识别模块，还包括：计算单元，确认单元，
所述计算单元，还用于计算已提取的人脸图像特征点与3D脸膜特征点的匹配值；
所述确认单元，还用于若有匹配值大于或等于预设阈值，则确认匹配值大于或等于预设阈值的所述或等于预设阈值与所述人脸图像匹配。
8.如权利要求6所述人脸3D模型录入和识别装置，其特征在于，还包括：
警示模块，用于若与所述人脸图像匹配的3D脸膜对应的人员为已设定黑名单人员，提示报警。
9.如权利要求6至8任一项所述人脸3D模型录入和识别装置，其特征在于，还包括：
拍摄模块，用于根据预设程序拍摄人脸动态信息；
上传模块，用于将已拍摄到的人脸动态信息上传至多维动态人像库；
重组模块，用于提取多维动态人像库中人脸图像的特征点数据，生成3D脸膜，并将生成的所述3D脸膜保存至所述数据库。
10.如权利要求9所述人脸3D模型录入和识别装置，其特征在于，还包括：
操作模块，用于完善生成的所述3D脸膜的身份信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710144489.3A CN106951846A (zh) | 2017-03-09 | 2017-03-09 | 一种人脸3d模型录入和识别方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710144489.3A CN106951846A (zh) | 2017-03-09 | 2017-03-09 | 一种人脸3d模型录入和识别方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106951846A true CN106951846A (zh) | 2017-07-14 |
Family
ID=59467300
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710144489.3A Pending CN106951846A (zh) | 2017-03-09 | 2017-03-09 | 一种人脸3d模型录入和识别方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106951846A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107392182A (zh) * | 2017-08-17 | 2017-11-24 | 宁波甬慧智能科技有限公司 | 一种基于深度学习的人脸采集识别方法及装置 |
| CN107766982A (zh) * | 2017-10-26 | 2018-03-06 | 深圳市坐标软件开发有限公司 | 排队查询方法、装置及系统 |
| CN107783518A (zh) * | 2017-09-25 | 2018-03-09 | 南京律智诚专利技术开发有限公司 | 一种基于人脸识别的智能家居防盗系统及控制方法 |
| CN108090469A (zh) * | 2018-01-09 | 2018-05-29 | 武汉天恒智能科技有限公司 | 一种视频与图像人脸识别系统 |
| CN108171111A (zh) * | 2017-11-28 | 2018-06-15 | 苏州市东皓计算机系统工程有限公司 | 一种计算机人像识别系统 |
| CN108319837A (zh) * | 2018-02-13 | 2018-07-24 | 广东欧珀移动通信有限公司 | 电子设备、人脸模板录入方法及相关产品 |
| CN108399665A (zh) * | 2018-01-03 | 2018-08-14 | 平安科技（深圳）有限公司 | 基于人脸识别的安全监控方法、装置及存储介质 |
| CN109993857A (zh) * | 2018-01-02 | 2019-07-09 | 上海银晨智能识别科技有限公司 | 身份校验系统及方法 |
| CN112766116A (zh) * | 2021-01-09 | 2021-05-07 | 深圳市天龙世纪科技发展有限公司 | 一种执法记录仪的人脸识别方法及系统 |
| CN114758305A (zh) * | 2022-06-15 | 2022-07-15 | 成都西物信安智能系统有限公司 | 一种构建入侵预警监控数据库的方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101183424A (zh) * | 2006-11-14 | 2008-05-21 | 上海银晨智能识别科技有限公司 | 一种基于二维图片的三维建模的比对方法 |
| CN101561874A (zh) * | 2008-07-17 | 2009-10-21 | 清华大学 | 一种人脸图像识别的方法 |
| US20100135541A1 (en) * | 2008-12-02 | 2010-06-03 | Shang-Hong Lai | Face recognition method |
| CN104951773A (zh) * | 2015-07-12 | 2015-09-30 | 上海微桥电子科技有限公司 | 一种实时人脸识别监视系统 |
| CN105005779A (zh) * | 2015-08-25 | 2015-10-28 | 湖北文理学院 | 基于交互式动作的人脸验证防伪识别方法及系统 |
| US20160070952A1 (en) * | 2014-09-05 | 2016-03-10 | Samsung Electronics Co., Ltd. | Method and apparatus for facial recognition |
| CN106203400A (zh) * | 2016-07-29 | 2016-12-07 | 广州国信达计算机网络通讯有限公司 | 一种人脸识别方法及装置 |
-
2017
- 2017-03-09 CN CN201710144489.3A patent/CN106951846A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101183424A (zh) * | 2006-11-14 | 2008-05-21 | 上海银晨智能识别科技有限公司 | 一种基于二维图片的三维建模的比对方法 |
| CN101561874A (zh) * | 2008-07-17 | 2009-10-21 | 清华大学 | 一种人脸图像识别的方法 |
| US20100135541A1 (en) * | 2008-12-02 | 2010-06-03 | Shang-Hong Lai | Face recognition method |
| US20160070952A1 (en) * | 2014-09-05 | 2016-03-10 | Samsung Electronics Co., Ltd. | Method and apparatus for facial recognition |
| CN104951773A (zh) * | 2015-07-12 | 2015-09-30 | 上海微桥电子科技有限公司 | 一种实时人脸识别监视系统 |
| CN105005779A (zh) * | 2015-08-25 | 2015-10-28 | 湖北文理学院 | 基于交互式动作的人脸验证防伪识别方法及系统 |
| CN106203400A (zh) * | 2016-07-29 | 2016-12-07 | 广州国信达计算机网络通讯有限公司 | 一种人脸识别方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| 赵明华等: "一种基于三维模型投影的人脸识别方法", 《光电工程》 * |
| 邹国锋等: "多姿态人脸识别综述", 《模式识别与人工智能》 * |
| 陈惠红等: "人脸识别技术分析与系统架构", 《新型工业化》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107392182A (zh) * | 2017-08-17 | 2017-11-24 | 宁波甬慧智能科技有限公司 | 一种基于深度学习的人脸采集识别方法及装置 |
| CN107783518A (zh) * | 2017-09-25 | 2018-03-09 | 南京律智诚专利技术开发有限公司 | 一种基于人脸识别的智能家居防盗系统及控制方法 |
| CN107766982A (zh) * | 2017-10-26 | 2018-03-06 | 深圳市坐标软件开发有限公司 | 排队查询方法、装置及系统 |
| CN108171111A (zh) * | 2017-11-28 | 2018-06-15 | 苏州市东皓计算机系统工程有限公司 | 一种计算机人像识别系统 |
| CN109993857A (zh) * | 2018-01-02 | 2019-07-09 | 上海银晨智能识别科技有限公司 | 身份校验系统及方法 |
| CN108399665A (zh) * | 2018-01-03 | 2018-08-14 | 平安科技（深圳）有限公司 | 基于人脸识别的安全监控方法、装置及存储介质 |
| CN108090469A (zh) * | 2018-01-09 | 2018-05-29 | 武汉天恒智能科技有限公司 | 一种视频与图像人脸识别系统 |
| CN108319837A (zh) * | 2018-02-13 | 2018-07-24 | 广东欧珀移动通信有限公司 | 电子设备、人脸模板录入方法及相关产品 |
| CN112766116A (zh) * | 2021-01-09 | 2021-05-07 | 深圳市天龙世纪科技发展有限公司 | 一种执法记录仪的人脸识别方法及系统 |
| CN114758305A (zh) * | 2022-06-15 | 2022-07-15 | 成都西物信安智能系统有限公司 | 一种构建入侵预警监控数据库的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106951846A (zh) | 一种人脸3d模型录入和识别方法和装置 | |
| CN108961520A (zh) | 一种人脸识别方法及装置 | |
| CN106204815B (zh) | 一种基于人脸检测和识别的门禁系统 | |
| CN109214276A (zh) | 一种基于人脸识别技术的目标人员轨迹跟踪的系统及方法 | |
| CN206515931U (zh) | 一种人脸识别系统 | |
| CN206557873U (zh) | 一种基于人脸识别的智能安保防进入系统 | |
| CN106998444A (zh) | 一种大数据人脸监控系统及装置 | |
| US20130216107A1 (en) | Method of surveillance by face recognition | |
| CN108399671A (zh) | 一种物联网掌静脉视频门禁集成系统 | |
| CN108961509A (zh) | 一种小区人脸识别门禁安防系统及其方法 | |
| CN106204948A (zh) | 储物柜管理方法及储物柜管理装置 | |
| CN105426869A (zh) | 基于铁路安检的人脸识别系统及识别方法 | |
| CN108364374A (zh) | 基于深度学习的人脸门禁控制装置及方法 | |
| CN206272770U (zh) | 一种车辆和人脸卡口系统 | |
| CN110555918B (zh) | 考勤管理的方法和考勤管理设备 | |
| CN107230267A (zh) | 基于人脸识别算法的幼儿园智能签到方法 | |
| CN109961031A (zh) | 人脸融合识别认定方法、目标人员信息显示方法、预警布控方法及系统 | |
| CN110517383A (zh) | 一种智能门锁解锁方法及其智能门锁 | |
| CN108320359A (zh) | 一种城市物联网智慧门禁及安防系统 | |
| CN109377628A (zh) | 一种智能门禁系统和方法 | |
| CN105574498A (zh) | 基于海关安检的人脸识别系统及识别方法 | |
| CN110599657A (zh) | 一种基于图像识别技术的门禁监控控制系统及方法 | |
| CN110705469A (zh) | 一种人脸匹配方法、装置及服务器 | |
| CN103258222A (zh) | 小区智能物管系统 | |
| CN116798176A (zh) | 基于大数据和智慧安防的数据管理系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170714 |
|
| RJ01 | Rejection of invention patent application after publication |