CN107239765A - 用于人脸识别的三维扫描系统 - Google Patents
用于人脸识别的三维扫描系统 Download PDFInfo
- Publication number
- CN107239765A CN107239765A CN201710422298.9A CN201710422298A CN107239765A CN 107239765 A CN107239765 A CN 107239765A CN 201710422298 A CN201710422298 A CN 201710422298A CN 107239765 A CN107239765 A CN 107239765A
- Authority
- CN
- China
- Prior art keywords
- identified
- people
- information
- mrow
- module
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- 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
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification
- G10L17/22—Interactive procedures; Man-machine interfaces
- G10L17/24—Interactive procedures; Man-machine interfaces the user being prompted to utter a password or a predefined phrase
Abstract
为了克服气象条件对三维人脸识别技术在识别准确度上的不利影响,本发明提供了一种用于人脸识别的三维扫描系统,包括:声音信号采集模块、待识别人正面的雨或雪的密度信息获取模块、实际三维面部图像信息采集模块、三维识别的初始位置信息确定模块、待识别人的三维面部信息识别模块和待识别人的实际身份信息确定模块。本发明通过动态分析、多次采样的手段降低了降雨和/或降雪给人脸识别带来的误差,提高了识别准确度。
Description
技术领域
本发明涉及三维人脸识别技术领域,更具体地,涉及一种用于人脸识别的三维扫描系统。
背景技术
人脸识别系统以人脸识别技术为核心,是一项新兴的生物识别技术,是当今国际科技领域攻关的高精尖技术。人脸因具有不可复制、采集方便、不需要被拍者的配合,使得人脸识别系统具有广泛的应用。如今,人脸识别技术已经被广泛地应用于门禁等安防领域。
人脸识别技术主要还是依靠二维图像识别方式,其方法为根据二维平面人脸侧影或某视角提取并识别人脸特征。这种方法的可靠性差,受到被识别人的面部姿态、光照的影响较大。相对应地,三维人脸识别技术准确度高、适应性强、抗攻击性强、抗欺诈性强,比二维图像的人脸识别技术更加可靠。
然而,现有的三维人脸识别技术主要关注的是如何对面部关键识别部位建模以及克服光线带来的影响。但实际上,由于门禁应用的环境的特殊性,被识别人可能处于恶劣天气系统下,例如淋雨、下雪、雾霾等,造成了被识别人局部特征的不清楚,进而影响到了三维面部识别时的准确度。
发明内容
为了克服气象条件对三维人脸识别技术在识别准确度上的不利影响,本发明提供了一种用于人脸识别的三维扫描系统,包括:
声音信号采集模块,用于采集待识别人的声音信号,并基于此声音信号获得待识别人声称的身份信息;
待识别人正面的雨或雪的密度信息获取模块,用于采集待识别人所处的自然环境下的雨或雪的下落信息,以获得待识别人正面的雨或雪的密度信息;
实际三维面部图像信息采集模块,用于采集待识别人的实际三维面部图像信息;
三维识别的初始位置信息确定模块,用于根据雨或雪的下落信息、待识别人声称的身份信息和待识别人的实际三维面部图像信息,确定三维识别的初始位置信息;
待识别人的三维面部信息识别模块,用于根据初始位置信息,识别待识别人的三维面部信息;
待识别人的实际身份信息确定模块,用于根据待识别人的面部信息,确定待识别人的实际身份信息。
进一步地,所述声音信号采集模块包括:
提示问题发出子模块,用于向待识别人给出提示问题的语音信息,获得待识别人在预定时间内的声音信息;
声纹获取子模块,用于获得待识别人的声音信息的声纹;
声纹信息比较子模块,用于将待识别人的声音信息的声纹与预设的声纹信息集合进行比较,根据比较结果确定待识别人声称的身份信息。
进一步地,所述提示问题为随机给出的提示问题。
进一步地,所述待识别人正面的雨或雪的密度信息获取模块包括:
声音信息来源确定子模块,用于确定待识别人的声音信息来源的空间位置;
第一降水等级采集子模块,被设置在待识别人脚下,用于采集雨或雪的降水等级;
栅格式遮挡子模块,用于当降水等级超过预设降水等级阈值时,在待识别人头顶上方进行栅格式遮挡,以便于将降落到待识别人头上的雨或雪的降水等级控制在预设降水等级阈值以下;
雨或雪的密度信息采集子模块,用于采集待识别人正面的雨或雪的密度信息。
进一步地,所述雨或雪的密度信息采集子模块包括:
多张待识别人的正面图像获取子模块,用于在待识别人与正面扫描摄像头之间采集多张待识别人的正面图像;
待识别人声称的面部正面图像确定子模块,用于根据待识别人声称的身份信息,确定待识别人声称的面部正面图像;
第一清晰度信息获取子模块,用于在预设分析区域内,确定所述多张待识别人的正面图像和所述待识别人声称的面部正面图像之间的清晰度信息cj,所述预设分析区域为以预设采集点为中心、竖直方向的、半径为预设长度R的区域,所述预设采集点的空间Z方向坐标为待识别人头顶预定距离处,且当进行栅格式遮挡时,该预设距离小于进行栅格式遮挡时距离待识别人头顶的距离,该采集点的空间X方向和Y方向坐标为所述声音信息来源的空间位置处的X坐标和Y坐标,所述清晰度信息cj与待识别人的面部的各部位的生理特征为基础,j为面部的各部位的数量且j≥5。
进一步地,所述实际三维面部图像信息采集模块包括基于声音来源的图像采集子模块,用于采集待识别人在所述声音信息来源的空间位置处为图像中心的实际三维面部图像信息。
进一步地,所述三维识别的初始位置信息确定模块包括:
待识别人声称的面部正面图像确定子模块,用于根据待识别人声称的身份信息,确定待识别人声称的面部正面图像;
参考识别图像获取子模块,用于将所述清晰度信息叠加到所述面部正面图像上,获得参考识别图像;
参考识别图像比较子模块,用于将所述参考识别图像与待识别人的实际三维面部图像信息进行比较,确定实际三维面部图像信息中的面部区域;
匹配信息确定子模块,用于在所述实际三维面部图像信息中的面部区域中,确定所述实际三维面部图像信息与所述待识别人声称的面部正面图像之间的匹配信息,该匹配信息包括i个以面部的各部位的生理特征为基础的变形区域,其中i大于10;
第一变形区域确定子模块,用于当所述i个所述变形区域的变形系数分别为αi时,根据对以各个变形区域为中心、变形分析半径r为半径的多个邻域内的下式计算,确定计算得到的最小的值对应的、作为中心的变形区域Amin,以及计算得到的最大的值对应的、作为中心的变形区域Amax:
其中r为某个变形区域与在其周围的变形区域之间的距离,所述变形系数αi为以待识别人声称的面部正面图像的各部位的生理特征为基础的各个生理特征所在区域内,表示该生理特征的轮廓的像素在参考识别图像的相应位置出现的个数;
二次采集子模块,用于以T为周期,对所述变形区域Amin中心所在处为图像中心的实际三维面部图像信息进行p次二次采集,从中提取二维面部图像,并在各周期内确定所述被提取的二维面部图像和所述待识别人声称的面部正面图像之间的清晰度信息所述清晰度信息以待识别人的面部的各部位的生理特征为基础,j为面部的各部位的数量且j≥5;
清晰度判别矩阵构建子模块,用于以各个二次采集期间得到的构建清晰度判别矩阵,该矩阵的每一行为某一个二次采集期间得到的待识别人的面部的各部位对应的清晰度,该矩阵的每一列为对待识别人的面部的某个部位进行各个二次采集期间得到的清晰度,即:二次采集期间的第一次采集得到的待识别人的面部的各部位对应的清晰度为第一行,第二次采集得到的待识别人的面部的各部位对应的清晰度为第二行,以此类推;
方差计算子模块,用于计算所述清晰度判别矩阵的各列的方差Dq,其中q为所述清晰度判别矩阵的列数;
清晰度判别矩阵处理子模块,用于去掉所述清晰度判别矩阵中方差Dq最大的清晰度信息所在的行,获得经过处理的清晰度判别矩阵;
第二变形区域确定子模块,用于对于所述经过处理的清晰度判别矩阵中的各行,依次进行下列二次处理:根据对以各个变形区域为中心、所述变形分析半径r为半径的多个邻域内的下式计算,确定计算得到的最小的值:
初始位置信息确定子模块,用于将该二次处理中得到的所述最小的值对应的作为中心的变形区域的几何中心作为初始位置,该几何中心的位置信息作为初始位置信息。
进一步地,所述降水等级按照气象学上一段时间内降水量为划分标准。
进一步地,所述系统还包括安全防范等级设定模块,用于根据所述待识别人声称的身份信息和待识别人的实际身份信息,确定门禁系统的安全防范等级。
本发明的有益效果是:
(1)能够提高雨中或雪中人脸识别的准确度;
(2)能够基于对雨或雪的多次分析,动态地确定而非静止地指定三维识别时的初始位置,相比现有技术中常用到的直接默认为“鼻尖”、“眉心”等位置具有更加广泛的适用性和可靠性,能够避免因为待识别人自身的生理缺陷造成识别失败。
附图说明
图1示出了根据本发明的用于人脸识别的三维扫描系统的组成框图。
图2示出了根据本发明的用于人脸识别的三维扫描系统的流程图。
具体实施方式
如图1所示,本发明提供了一种用于人脸识别的三维扫描系统,包括:声音信号采集模块,用于采集待识别人的声音信号,并基于此声音信号获得待识别人声称的身份信息;
待识别人正面的雨或雪的密度信息获取模块,用于采集待识别人所处的自然环境下的雨或雪的下落信息,以获得待识别人正面的雨或雪的密度信息;
实际三维面部图像信息采集模块,用于采集待识别人的实际三维面部图像信息;
三维识别的初始位置信息确定模块,用于根据雨或雪的下落信息、待识别人声称的身份信息和待识别人的实际三维面部图像信息,确定三维识别的初始位置信息;
待识别人的三维面部信息识别模块,用于根据初始位置信息,识别待识别人的三维面部信息;
待识别人的实际身份信息确定模块,用于根据待识别人的面部信息,确定待识别人的实际身份信息。
所述声音信号采集模块包括:
提示问题发出子模块,用于向待识别人给出提示问题的语音信息,获得待识别人在预定时间内的声音信息;
声纹获取子模块,用于获得待识别人的声音信息的声纹;
声纹信息比较子模块,用于将待识别人的声音信息的声纹与预设的声纹信息集合进行比较,根据比较结果确定待识别人声称的身份信息。
所述提示问题为随机给出的提示问题。
所述待识别人正面的雨或雪的密度信息获取模块包括:
声音信息来源确定子模块,用于确定待识别人的声音信息来源的空间位置;
第一降水等级采集子模块,被设置在待识别人脚下,用于采集雨或雪的降水等级;
栅格式遮挡子模块,用于当降水等级超过预设降水等级阈值时,在待识别人头顶上方进行栅格式遮挡,以便于将降落到待识别人头上的雨或雪的降水等级控制在预设降水等级阈值以下;
雨或雪的密度信息采集子模块,用于采集待识别人正面的雨或雪的密度信息。
所述雨或雪的密度信息采集子模块包括:
多张待识别人的正面图像获取子模块,用于在待识别人与正面扫描摄像头之间采集多张待识别人的正面图像;
待识别人声称的面部正面图像确定子模块,用于根据待识别人声称的身份信息,确定待识别人声称的面部正面图像;
第一清晰度信息获取子模块,用于在预设分析区域内,确定所述多张待识别人的正面图像和所述待识别人声称的面部正面图像之间的清晰度信息cj,所述预设分析区域为以预设采集点为中心、竖直方向的、半径为预设长度R的区域,所述预设采集点的空间Z方向坐标为待识别人头顶预定距离处,且当进行栅格式遮挡时,该预设距离小于进行栅格式遮挡时距离待识别人头顶的距离,该采集点的空间X方向和Y方向坐标为所述声音信息来源的空间位置处的X坐标和Y坐标,所述清晰度信息cj与待识别人的面部的各部位的生理特征为基础,j为面部的各部位的数量且j≥5。
所述实际三维面部图像信息采集模块包括基于声音来源的图像采集子模块,用于采集待识别人在所述声音信息来源的空间位置处为图像中心的实际三维面部图像信息。
所述三维识别的初始位置信息确定模块包括:
待识别人声称的面部正面图像确定子模块,用于根据待识别人声称的身份信息,确定待识别人声称的面部正面图像;
参考识别图像获取子模块,用于将所述清晰度信息叠加到所述面部正面图像上,获得参考识别图像;
参考识别图像比较子模块,用于将所述参考识别图像与待识别人的实际三维面部图像信息进行比较,确定实际三维面部图像信息中的面部区域;
匹配信息确定子模块,用于在所述实际三维面部图像信息中的面部区域中,确定所述实际三维面部图像信息与所述待识别人声称的面部正面图像之间的匹配信息,该匹配信息包括i个以面部的各部位的生理特征为基础的变形区域,其中i大于10;
第一变形区域确定子模块,用于当所述i个所述变形区域的变形系数分别为αi时,根据对以各个变形区域为中心、变形分析半径r为半径的多个邻域内的下式计算,确定计算得到的最小的值对应的、作为中心的变形区域Amin,以及计算得到的最大的值对应的、作为中心的变形区域Amax:
其中r为某个变形区域与在其周围的变形区域之间的距离,所述变形系数αi为以待识别人声称的面部正面图像的各部位的生理特征为基础的各个生理特征所在区域内,表示该生理特征的轮廓的像素在参考识别图像的相应位置出现的个数;
二次采集子模块,用于以T为周期,对所述变形区域Amin中心所在处为图像中心的实际三维面部图像信息进行p次二次采集,从中提取二维面部图像,并在各周期内确定所述被提取的二维面部图像和所述待识别人声称的面部正面图像之间的清晰度信息所述清晰度信息以待识别人的面部的各部位的生理特征为基础,j为面部的各部位的数量且j≥5;
清晰度判别矩阵构建子模块,用于以各个二次采集期间得到的构建清晰度判别矩阵,该矩阵的每一行为某一个二次采集期间得到的待识别人的面部的各部位对应的清晰度,该矩阵的每一列为对待识别人的面部的某个部位进行各个二次采集期间得到的清晰度,即:二次采集期间的第一次采集得到的待识别人的面部的各部位对应的清晰度为第一行,第二次采集得到的待识别人的面部的各部位对应的清晰度为第二行,以此类推;
方差计算子模块,用于计算所述清晰度判别矩阵的各列的方差Dq,其中q为所述清晰度判别矩阵的列数;
清晰度判别矩阵处理子模块,用于去掉所述清晰度判别矩阵中方差Dq最大的清晰度信息所在的行,获得经过处理的清晰度判别矩阵;
第二变形区域确定子模块,用于对于所述经过处理的清晰度判别矩阵中的各行,依次进行下列二次处理:根据对以各个变形区域为中心、所述变形分析半径r为半径的多个邻域内的下式计算,确定计算得到的最小的值:
初始位置信息确定子模块,用于将该二次处理中得到的所述最小的值对应的作为中心的变形区域的几何中心作为初始位置,该几何中心的位置信息作为初始位置信息。
所述降水等级按照气象学上一段时间内降水量为划分标准。
所述系统还包括安全防范等级设定模块,用于根据所述待识别人声称的身份信息和待识别人的实际身份信息,确定门禁系统的安全防范等级。
如图2所示,本发明提供了一种用于人脸识别的三维扫描系统相对应的方法的工作流程图,包括:
(1)采集待识别人的声音信号,并基于此声音信号获得待识别人声称的身份信息;
(2)采集待识别人所处的自然环境下的雨或雪的下落信息,以获得待识别人正面的雨或雪的密度信息;
(3)采集待识别人的实际三维面部图像信息;
(4)根据雨或雪的下落信息、待识别人声称的身份信息和待识别人的实际三维面部图像信息,确定三维识别的初始位置信息;
(5)根据初始位置信息,识别待识别人的三维面部信息;
(6)根据待识别人的面部信息,确定待识别人的实际身份信息。
所述步骤(1)包括:
(11)向待识别人给出提示问题的语音信息,获得待识别人在预定时间内的声音信息;
(12)获得待识别人的声音信息的声纹;
(13)将待识别人的声音信息的声纹与预设的声纹信息集合进行比较,根据比较结果确定待识别人声称的身份信息。
所述提示问题为随机给出的提示问题。
步骤(2)包括:
(21)确定待识别人的声音信息来源的空间位置;
(22)在待识别人脚下采集雨或雪的降水等级;
(23)当降水等级超过预设降水等级阈值时,在待识别人头顶上方进行栅格式遮挡,以便于将降落到待识别人头上的雨或雪的降水等级控制在预设降水等级阈值以下;
(24)采集待识别人正面的雨或雪的密度信息。
所述步骤(24)包括:
(241)在待识别人与正面扫描摄像头之间采集多张待识别人的正面图像;
(242)根据待识别人声称的身份信息,确定待识别人声称的面部正面图像;
(243)在预设分析区域内,确定所述多张待识别人的正面图像和所述待识别人声称的面部正面图像之间的清晰度信息cj,所述预设分析区域为以预设采集点为中心、竖直方向的、半径为预设长度R的区域,所述预设采集点的空间Z方向坐标为待识别人头顶预定距离处,且当进行栅格式遮挡时,该预设距离小于进行栅格式遮挡时距离待识别人头顶的距离,该采集点的空间X方向和Y方向坐标为所述声音信息来源的空间位置处的X坐标和Y坐标,所述清晰度信息cj与待识别人的面部的各部位的生理特征为基础,j为面部的各部位的数量且j≥5。
所述步骤(3)包括采集待识别人在所述声音信息来源的空间位置处为图像中心的实际三维面部图像信息。
所述步骤(4)包括:
(411)根据待识别人声称的身份信息,确定待识别人声称的面部正面图像;
(412)将所述清晰度信息叠加到所述面部正面图像上,获得参考识别图像;
(413)将所述参考识别图像与待识别人的实际三维面部图像信息进行比较,确定实际三维面部图像信息中的面部区域;
(414)在所述实际三维面部图像信息中的面部区域中,确定所述实际三维面部图像信息与所述待识别人声称的面部正面图像之间的匹配信息,该匹配信息包括i个以面部的各部位的生理特征为基础的变形区域,其中i大于10;
(415)设所述i个所述变形区域的变形系数分别为αi,根据对以各个变形区域为中心、变形分析半径r为半径的多个邻域内的下式计算,确定计算得到的最小的值对应的、作为中心的变形区域Amin,以及计算得到的最大的值对应的、作为中心的变形区域Amax:
其中r为某个变形区域与在其周围的变形区域之间的距离,所述变形系数αi为以待识别人声称的面部正面图像的各部位的生理特征为基础的各个生理特征所在区域内,表示该生理特征的轮廓的像素在参考识别图像的相应位置出现的个数;
(416)以T为周期,对所述变形区域Amin中心所在处为图像中心的实际三维面部图像信息进行p次二次采集,从中提取二维面部图像,并在各周期内确定所述被提取的二维面部图像和所述待识别人声称的面部正面图像之间的清晰度信息所述清晰度信息以待识别人的面部的各部位的生理特征为基础,j为面部的各部位的数量且j≥5;
(417)以各个二次采集期间得到的构建清晰度判别矩阵,该矩阵的每一行为某一个二次采集期间得到的待识别人的面部的各部位对应的清晰度,该矩阵的每一列为对待识别人的面部的某个部位进行各个二次采集期间得到的清晰度,即:二次采集期间的第一次采集得到的待识别人的面部的各部位对应的清晰度为第一行,第二次采集得到的待识别人的面部的各部位对应的清晰度为第二行,以此类推;
(418)计算所述清晰度判别矩阵的各列的方差Dq,其中q为所述清晰度判别矩阵的列数;
(419)去掉所述清晰度判别矩阵中方差Dq最大的清晰度信息所在的行,获得经过处理的清晰度判别矩阵;
(420)对于所述经过处理的清晰度判别矩阵中的各行,依次进行下列二次处理:根据对以各个变形区域为中心、所述变形分析半径r为半径的多个邻域内的下式计算,确定计算得到的最小的值:
(421)将该二次处理中得到的所述最小的值对应的作为中心的变形区域的几何中心作为初始位置,该几何中心的位置信息作为初始位置信息。
所述降水等级按照气象学上一段时间内降水量为划分标准。
所述方法还包括根据所述待识别人声称的身份信息和待识别人的实际身份信息,确定门禁系统的安全防范等级。
本申请中未提及的三维人脸识别具体步骤是在确定了上述初始位置信息以后,可以利用现有技术中的各种模型和算法进行的,并非本申请的主要技术方案,且不影响本申请的实施,在此不再赘述。
以上对于本发明的较佳实施例所作的叙述是为阐明的目的,而无意限定本发明精确地为所揭露的形式,基于以上的教导或从本发明的实施例学习而作修改或变化是可能的,实施例是为解说本发明的原理以及让所属领域的技术人员以各种实施例利用本发明在实际应用上而选择及叙述,本发明的技术思想企图由权利要求及其均等来决定。
Claims (9)
1.一种用于人脸识别的三维扫描系统,其特征在于,包括:
声音信号采集模块,用于采集待识别人的声音信号,并基于此声音信号获得待识别人声称的身份信息;
待识别人正面的雨或雪的密度信息获取模块,用于采集待识别人所处的自然环境下的雨或雪的下落信息,以获得待识别人正面的雨或雪的密度信息;
实际三维面部图像信息采集模块,用于采集待识别人的实际三维面部图像信息;
三维识别的初始位置信息确定模块,用于根据雨或雪的下落信息、待识别人声称的身份信息和待识别人的实际三维面部图像信息,确定三维识别的初始位置信息;
待识别人的三维面部信息识别模块,用于根据初始位置信息,识别待识别人的三维面部信息;
待识别人的实际身份信息确定模块,用于根据待识别人的面部信息,确定待识别人的实际身份信息。
2.根据权利要求1所述的系统,其特征在于,所述声音信号采集模块包括:
提示问题发出子模块,用于向待识别人给出提示问题的语音信息,获得待识别人在预定时间内的声音信息;
声纹获取子模块,用于获得待识别人的声音信息的声纹;
声纹信息比较子模块,用于将待识别人的声音信息的声纹与预设的声纹信息集合进行比较,根据比较结果确定待识别人声称的身份信息。
3.根据权利要求2所述的系统,其特征在于,所述提示问题为随机给出的提示问题。
4.根据权利要求3所述的系统,其特征在于,所述待识别人正面的雨或雪的密度信息获取模块包括:
声音信息来源确定子模块,用于确定待识别人的声音信息来源的空间位置;
第一降水等级采集子模块,被设置在待识别人脚下,用于采集雨或雪的降水等级;
栅格式遮挡子模块,用于当降水等级超过预设降水等级阈值时,在待识别人头顶上方进行栅格式遮挡,以便于将降落到待识别人头上的雨或雪的降水等级控制在预设降水等级阈值以下;
雨或雪的密度信息采集子模块,用于采集待识别人正面的雨或雪的密度信息。
5.根据权利要求4所述的系统,其特征在于,所述雨或雪的密度信息采集子模块包括:
多张待识别人的正面图像获取子模块,用于在待识别人与正面扫描摄像头之间采集多张待识别人的正面图像;
待识别人声称的面部正面图像确定子模块,用于根据待识别人声称的身份信息,确定待识别人声称的面部正面图像;
第一清晰度信息获取子模块,用于在预设分析区域内,确定所述多张待识别人的正面图像和所述待识别人声称的面部正面图像之间的清晰度信息cj,所述预设分析区域为以预设采集点为中心、竖直方向的、半径为预设长度R的区域,所述预设采集点的空间Z方向坐标为待识别人头顶预定距离处,且当进行栅格式遮挡时,该预设距离小于进行栅格式遮挡时距离待识别人头顶的距离,该采集点的空间X方向和Y方向坐标为所述声音信息来源的空间位置处的X坐标和Y坐标,所述清晰度信息cj与待识别人的面部的各部位的生理特征为基础,j为面部的各部位的数量且j≥5。
6.根据权利要求5所述的系统,其特征在于,所述实际三维面部图像信息采集模块包括基于声音来源的图像采集子模块,用于采集待识别人在所述声音信息来源的空间位置处为图像中心的实际三维面部图像信息。
7.根据权利要求6所述的系统,其特征在于,所述三维识别的初始位置信息确定模块包括:
待识别人声称的面部正面图像确定子模块,用于根据待识别人声称的身份信息,确定待识别人声称的面部正面图像;
参考识别图像获取子模块,用于将所述清晰度信息叠加到所述面部正面图像上,获得参考识别图像;
参考识别图像比较子模块,用于将所述参考识别图像与待识别人的实际三维面部图像信息进行比较,确定实际三维面部图像信息中的面部区域;
匹配信息确定子模块,用于在所述实际三维面部图像信息中的面部区域中,确定所述实际三维面部图像信息与所述待识别人声称的面部正面图像之间的匹配信息,该匹配信息包括i个以面部的各部位的生理特征为基础的变形区域,其中i大于10;
第一变形区域确定子模块,用于当所述i个所述变形区域的变形系数分别为αi时,根据对以各个变形区域为中心、变形分析半径r为半径的多个邻域内的下式计算,确定计算得到的最小的值对应的、作为中心的变形区域Amin,以及计算得到的最大的值对应的、作为中心的变形区域Amax:
<mrow>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mi>M</mi>
</mrow>
</munderover>
<msub>
<mi>c</mi>
<mi>j</mi>
</msub>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mi>M</mi>
</mrow>
</munderover>
<msub>
<mi>&alpha;</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mi>M</mi>
</mrow>
</munderover>
<mfrac>
<msub>
<mi>c</mi>
<mi>k</mi>
</msub>
<msub>
<mi>&alpha;</mi>
<mi>k</mi>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
</mrow>
其中r为某个变形区域与在其周围的变形区域之间的距离,所述变形系数αi为以待识别人声称的面部正面图像的各部位的生理特征为基础的各个生理特征所在区域内,表示该生理特征的轮廓的像素在参考识别图像的相应位置出现的个数;
二次采集子模块,用于以T为周期,对所述变形区域Amin中心所在处为图像中心的实际三维面部图像信息进行p次二次采集,从中提取二维面部图像,并在各周期内确定所述被提取的二维面部图像和所述待识别人声称的面部正面图像之间的清晰度信息所述清晰度信息以待识别人的面部的各部位的生理特征为基础,j为面部的各部位的数量且j≥5;
清晰度判别矩阵构建子模块,用于以各个二次采集期间得到的构建清晰度判别矩阵,该矩阵的每一行为某一个二次采集期间得到的待识别人的面部的各部位对应的清晰度,该矩阵的每一列为对待识别人的面部的某个部位进行各个二次采集期间得到的清晰度,即:二次采集期间的第一次采集得到的待识别人的面部的各部位对应的清晰度为第一行,第二次采集得到的待识别人的面部的各部位对应的清晰度为第二行,以此类推;
方差计算子模块,用于计算所述清晰度判别矩阵的各列的方差Dq,其中q为所述清晰度判别矩阵的列数;
清晰度判别矩阵处理子模块,用于去掉所述清晰度判别矩阵中方差Dq最大的清晰度信息所在的行,获得经过处理的清晰度判别矩阵;
第二变形区域确定子模块,用于对于所述经过处理的清晰度判别矩阵中的各行,依次进行下列二次处理:根据对以各个变形区域为中心、所述变形分析半径r为半径的多个邻域内的下式计算,确定计算得到的最小的值:
<mrow>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mi>M</mi>
</mrow>
</munderover>
<msub>
<mi>c</mi>
<mi>j</mi>
</msub>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mi>M</mi>
</mrow>
</munderover>
<msub>
<mi>&alpha;</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mi>M</mi>
</mrow>
</munderover>
<mfrac>
<msub>
<mi>c</mi>
<mi>k</mi>
</msub>
<msub>
<mi>&alpha;</mi>
<mi>k</mi>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
初始位置信息确定子模块,用于将该二次处理中得到的所述最小的值对应的作为中心的变形区域的几何中心作为初始位置,该几何中心的位置信息作为初始位置信息。
8.根据权利要求4所述的系统,其特征在于,所述降水等级按照气象学上一段时间内降水量为划分标准。
9.根据权利要求1所述的系统,其特征在于,所述系统还包括安全防范等级设定模块,用于根据所述待识别人声称的身份信息和待识别人的实际身份信息,确定门禁系统的安全防范等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710422298.9A CN107239765A (zh) | 2017-06-07 | 2017-06-07 | 用于人脸识别的三维扫描系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710422298.9A CN107239765A (zh) | 2017-06-07 | 2017-06-07 | 用于人脸识别的三维扫描系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107239765A true CN107239765A (zh) | 2017-10-10 |
Family
ID=59986036
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710422298.9A Pending CN107239765A (zh) | 2017-06-07 | 2017-06-07 | 用于人脸识别的三维扫描系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107239765A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050063568A1 (en) * | 2003-09-24 | 2005-03-24 | Shih-Ching Sun | Robust face detection algorithm for real-time video sequence |
CN101630363A (zh) * | 2009-07-13 | 2010-01-20 | 中国船舶重工集团公司第七○九研究所 | 复杂背景下彩色图像人脸的快速检测方法 |
CN102542244A (zh) * | 2010-12-15 | 2012-07-04 | 财团法人工业技术研究院 | 人脸检测方法与系统及计算机程序产品 |
CN105844248A (zh) * | 2016-03-29 | 2016-08-10 | 北京京东尚科信息技术有限公司 | 人脸检测方法和装置 |
-
2017
- 2017-06-07 CN CN201710422298.9A patent/CN107239765A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050063568A1 (en) * | 2003-09-24 | 2005-03-24 | Shih-Ching Sun | Robust face detection algorithm for real-time video sequence |
CN101630363A (zh) * | 2009-07-13 | 2010-01-20 | 中国船舶重工集团公司第七○九研究所 | 复杂背景下彩色图像人脸的快速检测方法 |
CN102542244A (zh) * | 2010-12-15 | 2012-07-04 | 财团法人工业技术研究院 | 人脸检测方法与系统及计算机程序产品 |
CN105844248A (zh) * | 2016-03-29 | 2016-08-10 | 北京京东尚科信息技术有限公司 | 人脸检测方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104978550B (zh) | 基于大规模人脸数据库的人脸识别方法及系统 | |
CN105740780B (zh) | 人脸活体检测的方法和装置 | |
CN105893946B (zh) | 一种正面人脸图像的检测方法 | |
Chen et al. | A survey on breaking technique of text-based CAPTCHA | |
CN105095856A (zh) | 基于掩膜的有遮挡人脸识别方法 | |
CN105260749B (zh) | 基于方向梯度二值模式和软级联svm的实时目标检测方法 | |
CN105426870A (zh) | 一种人脸关键点定位方法及装置 | |
US20230326038A1 (en) | Method for morphology identification, trajectory tracking and velocity measurement of high-concentration microbubbles | |
CN105224921A (zh) | 一种人脸图像择优系统和处理方法 | |
CN111553310B (zh) | 基于毫米波雷达的安检图像获取方法、系统及安检设备 | |
CN102831408A (zh) | 人脸识别方法 | |
CN109460704A (zh) | 一种基于深度学习的疲劳检测方法、系统和计算机设备 | |
CN105741326B (zh) | 一种基于聚类融合的视频序列的目标跟踪方法 | |
CN112926522B (zh) | 一种基于骨骼姿态与时空图卷积网络的行为识别方法 | |
CN113920142B (zh) | 一种基于深度学习的分拣机械手多物体分拣方法 | |
CN110458019B (zh) | 稀缺认知样本条件下的排除倒影干扰的水面目标检测方法 | |
CN111639562A (zh) | 一种手掌感兴趣区域的智能定位方法 | |
CN106980845B (zh) | 基于结构化建模的人脸关键点定位方法 | |
CN107154096A (zh) | 基于三维扫描的门禁识别系统 | |
CN112258536B (zh) | 一种胼胝体及小脑蚓部的一体化定位及分割方法 | |
Wu et al. | Block-based hough transform for recognition of zebra crossing in natural scene images | |
CN115830302B (zh) | 一种多尺度特征提取融合配电网设备定位识别方法 | |
CN105320919A (zh) | 人眼定位方法及装置 | |
CN107239765A (zh) | 用于人脸识别的三维扫描系统 | |
CN109784261B (zh) | 基于机器视觉的行人分割与识别方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171010 |