CN108537191A - 一种基于结构光摄像头的三维人脸识别方法 - Google Patents

一种基于结构光摄像头的三维人脸识别方法 Download PDF

Info

Publication number
CN108537191A
CN108537191A CN201810342278.5A CN201810342278A CN108537191A CN 108537191 A CN108537191 A CN 108537191A CN 201810342278 A CN201810342278 A CN 201810342278A CN 108537191 A CN108537191 A CN 108537191A
Authority
CN
China
Prior art keywords
dimensional
dimensional face
model
face
facial 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.)
Granted
Application number
CN201810342278.5A
Other languages
English (en)
Other versions
CN108537191B (zh
Inventor
冯瑶
周曦
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.)
Guangzhou Yuncong Information Technology Co Ltd
Original Assignee
Guangzhou Yuncong Information 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 Guangzhou Yuncong Information Technology Co Ltd filed Critical Guangzhou Yuncong Information Technology Co Ltd
Priority to CN201810342278.5A priority Critical patent/CN108537191B/zh
Publication of CN108537191A publication Critical patent/CN108537191A/zh
Application granted granted Critical
Publication of CN108537191B publication Critical patent/CN108537191B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T5/70—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Abstract

一种基于结构光摄像头的三维人脸识别方法，采用以下步骤，步骤1：从二维人脸图像库中采集至少两张同一个人的人脸图像，且每张人脸图像具有不同的拍摄角度；步骤2：利用不同拍摄角度的人脸图像进行三维人脸模型重建；步骤3：通过二维图片的纹理对三维人脸模型的细节进行完善；步骤4：重复步骤1至步骤3，得到三维人脸数据库；通过大量二维图像生成三维人脸模型数据进行训练，相比使用三维摄像机采集成本低，花费时间少，相比使用三维形变模型生成的训练数据精度高，与真实数据差异小。

Description

一种基于结构光摄像头的三维人脸识别方法
技术领域
本发明涉及人脸识别领域，具体涉及一种基于结构光摄像头的三维人脸识别方法。
背景技术
近年来，由于人脸数据量的增大以及深度学习算法的发展，人脸识别的准确率得到了极大的提升，在某些数据集上的识别率甚至超过了人类。然而，现阶段的人脸识别，由于数据集的限制，主要都是基于二维人脸图像，在一些极端环境下例如不均匀光照，人脸角度较大等，由于缺少人脸空间信息以及二维彩色图像纹理变化较大，识别率会大大降低。三维人脸识别，因为其几何信息对光照不敏感，空间信息完备等特点，刚好能很好的解决上述问题。同时，也因为现阶段廉价结构光摄像头的普及，学术界和工业界渐渐将目光放到三维人脸的识别上。
目前的三维人脸识别技术主要有以下几种：
(1)基于人工特征的方法：通过精确的三维扫描摄像机，获取目标任务的三维人脸模型，以三维点云或者三角网格的数据形式表示。对处理好的三维人脸模型进行手工特征提取，例如计算三维点云的曲率，法线，设计SIFT,MMH等特征，再根据提取好的特征进行匹配，进而分辨三维人脸模型是否属于同一人。这类算法的缺点是，由于使用的人工特征主要基于三维模型，当人脸表情变化较大时三维模型变化也较大，故对于人脸表情较为敏感。而一些全局的人工特征例如计算三维形变模型参数的方法能解决表情变化问题，但需要很大的额外计算量。同时，提取人工特征的方法在大规模三维人脸测试集上表现不是很好。
(2)基于深度学习的方法：由于深度学习在二维人脸识别上的成功，学术界也主要把目光放在使用深度学习的方法来进行三维人脸识别的研究。而深度学习在训练阶段需要大量的数据，三维人脸的采集比起二维人脸来说成本更高。现阶段的公开三维人脸数据集大多只采集了几百人，远远达不到能实际应用的训练量。故除了使用三维摄像头采集外，还有通过三维形变模型进行三维人脸模型的生成以得到足够的训练数据。同时，为了利用深度学习在二维人脸识别的成果，往往也将三维人脸模型投影到二维平面转化为深度图等作为输入，进而分辨是否为同一人脸。这种方法的缺点是，使用三维形变模型生成的数据缺少细节，与真实人脸的差异性较大，实际应用性能不好。只将深度图作为三维模型的表达方式也缺少了三维人脸的很多其他信息。
为解决以上三维人脸识别方法的缺点，本发明从训练与测试两个阶段进行分析设计，提供了一种基于结构光的三维人脸识别方法和系统。在训练阶段上，采用基于深度学习的算法，在训练数据收集方面，通过易获得的大量二维图像，重建出该人脸的精确的三维人脸模型，同时与使用精确三维摄像头采集到的公共三维人脸数据集一起作为训练数据集。在数据输入设计上，除了深度图外，同时将二维彩色图像，设计的手工特征都作为输入，使用深度神经网络进行学习。
在测试阶段(实际应用阶段)，单纯从普通的二维摄像头获取的单帧图像很难重建出精确的三维人脸，故采取结构光摄像头进行三维人脸信息的获取。进行预处理后，使用训练好的神经网络提取三维人脸的深度特征信息，进而判断人脸的相似度。
本发明的优点是，通过大量二维图像生成三维人脸模型数据进行训练，相比使用三维摄像机采集成本低，花费时间少，相比使用三维形变模型生成的训练数据精度高，与真实数据差异小。将深度图与其他局部特征作为神经网络的输入，保留了更多的三维模型信息，识别效率更好。最后，使用该方法做出的三维识别系统在光照不平衡，人脸角度较大，人脸表情变化大的情况下取得了很好的识别效果。
发明内容
本发明针对现有技术的不足，提出一种基于结构光摄像头的三维人脸识别方法，具体技术方案如下：
一种基于结构光摄像头的三维人脸识别方法，其特征在于：
采用以下步骤，
步骤1：从二维人脸图像库中采集至少两张同一个人的人脸图像，且每张人脸图像具有不同的拍摄角度；
步骤2：利用不同拍摄角度的人脸图像进行三维人脸模型重建；
步骤3：通过二维图片的纹理对三维人脸模型的细节进行完善；
步骤4：重复步骤1至步骤3，得到三维人脸数据库；
步骤5：使用三维摄像设备采集三维人脸模型，将该三维人脸模型补充到三维人脸数据库中；
步骤6：将三维人脸数据库中的三维人脸模型转换为深度图，同时，将人脸模型的局部信息作为局部描述符以二维平面图进行表示，叠加到深度图上作为神经网络模型的输入数据；
步骤7：完成对神经网络模型的参数训练；
步骤8：从结构光摄像头得到深度图像，进行去噪处理后，提取出人脸三维模型；
步骤9：将三维模型转化为多张二维图像作为输入，然后使用训练好的神经网络模型提取深度特征；
步骤10：通过计算不同三维模型之间的深度特征距离，得到三维人脸之间的相似度，进而判断是否为同一人。
进一步地：所述步骤8好包括如下步骤：
步骤8-1：判断环境亮度是否在设定的值内，如果是，进入步骤8-2，否则，进入步骤8-3；
步骤8-2：将彩色图信息叠加到深度图像上，然后提取具有纹理信息的三维人脸模型，可与现有成功的二维彩色人脸图像识别相结合；
步骤8-3：进行去噪处理后，提取出不带纹理信息的三维人脸模型。
本发明的有益效果为：本发明使用三维人脸识别，对比现有二维人脸识别，在光照，表情，角度影响下对人脸仍能有很好的识别率，同时在夜间也可使用；相比使用三维摄像机花费大量金钱与时间来采集三维人脸模型，利用现有大量二维人脸图片，使用重建算法能低成本地生成大量与真实三维人脸类似的三维人脸模型，以用作训练数据；使用多种三维人脸模型的二维表示形式，保留了更多信息，并将此作为输入使用深度神经网络进行训练，很好的提升了三维人脸的识别率。
附图说明
图1为本发明的工作流程图。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
如图1所示：一种基于结构光摄像头的三维人脸识别方法，
采用以下步骤，
步骤1：从二维人脸图像库中采集至少两张同一个人的人脸图像，且每张人脸图像具有不同的拍摄角度；
步骤2：利用不同拍摄角度的人脸图像进行三维人脸模型重建；
步骤3：通过二维图片的纹理对三维人脸模型的细节进行完善；
步骤4：重复步骤1至步骤3，得到三维人脸数据库；
步骤5：使用三维摄像设备采集三维人脸模型，将该三维人脸模型补充到三维人脸数据库中；
步骤6：将三维人脸数据库中的三维人脸模型转换为深度图，同时，将人脸模型的局部信息作为局部描述符以二维平面图进行表示，叠加到深度图上作为神经网络模型的输入数据；
步骤7：完成对神经网络模型的参数训练；
步骤8：判断环境亮度是否在设定的值内，如果是，进入步骤9，否则，进入步骤10；
步骤9：将彩色图信息叠加到深度图像上，然后提取具有纹理信息的三维人脸模型，可与现有成功的二维彩色人脸图像识别相结合；
步骤10：进行去噪处理后，提取出不带纹理信息的三维人脸模型；
步骤11：将三维模型转化为多张二维图像作为输入，然后使用训练好的神经网络模型提取深度特征；
步骤12：通过计算不同三维模型之间的深度特征距离，得到三维人脸之间的相似度，进而判断是否为同一人。

Claims (2)

1.一种基于结构光摄像头的三维人脸识别方法，其特征在于：
采用以下步骤，
步骤1：从二维人脸图像库中采集至少两张同一个人的人脸图像，且每张人脸图像具有不同的拍摄角度；
步骤2：利用不同拍摄角度的人脸图像进行三维人脸模型重建；
步骤3：通过二维图片的纹理对三维人脸模型的细节进行完善；
步骤4：重复步骤1至步骤3，得到三维人脸数据库；
步骤5：使用三维摄像设备采集三维人脸模型，将该三维人脸模型补充到三维人脸数据库中；
步骤6：将三维人脸数据库中的三维人脸模型转换为深度图，同时，将人脸模型的局部信息作为局部描述符以二维平面图进行表示，叠加到深度图上作为神经网络模型的输入数据；
步骤7：完成对神经网络模型的参数训练；
步骤8：从结构光摄像头得到深度图像，进行去噪处理后，提取出人脸三维模型；
步骤9：将三维模型转化为多张二维图像作为输入，然后使用训练好的神经网络模型提取深度特征；
步骤10：通过计算不同三维模型之间的深度特征距离，得到三维人脸之间的相似度，进而判断是否为同一人。
2.一种基于结构光摄像头的三维人脸识别方法，其特征在于：所述步骤包括如下步骤：所述步骤8好包括如下步骤：
步骤8-1：判断环境亮度是否在设定的值内，如果是，进入步骤8-2，否则，进入步骤8-3；
步骤8-2：将彩色图信息叠加到深度图像上，然后提取具有纹理信息的三维人脸模型.可与现有成功的二维彩色人脸图像识别相结合；
步骤8-3：进行去噪处理后，提取出不带纹理信息的三维人脸模型。
CN201810342278.5A 2018-04-17 2018-04-17 一种基于结构光摄像头的三维人脸识别方法 Active CN108537191B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810342278.5A CN108537191B (zh) 2018-04-17 2018-04-17 一种基于结构光摄像头的三维人脸识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810342278.5A CN108537191B (zh) 2018-04-17 2018-04-17 一种基于结构光摄像头的三维人脸识别方法

Publications (2)

Publication Number Publication Date
CN108537191A true CN108537191A (zh) 2018-09-14
CN108537191B CN108537191B (zh) 2020-11-20

Family

ID=63481008

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810342278.5A Active CN108537191B (zh) 2018-04-17 2018-04-17 一种基于结构光摄像头的三维人脸识别方法

Country Status (1)

Country Link
CN (1) CN108537191B (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109063700A (zh) * 2018-10-30 2018-12-21 深圳市海能通信股份有限公司 一种基于lbp运算大数据检索平台
CN109214352A (zh) * 2018-09-26 2019-01-15 珠海横琴现联盛科技发展有限公司 基于2d摄像头三维成像技术的动态人脸检索识别方法
CN109583304A (zh) * 2018-10-23 2019-04-05 宁波盈芯信息科技有限公司 一种基于结构光模组的快速3d人脸点云生成方法及装置
CN109784315A (zh) * 2019-02-20 2019-05-21 苏州风图智能科技有限公司 3d障碍物的跟踪检测方法、装置、系统及计算机存储介质
CN110059101A (zh) * 2019-04-16 2019-07-26 北京科基中意软件开发有限公司 一种基于图像识别的车辆数据查找系统和查找方法
CN110532746A (zh) * 2019-07-24 2019-12-03 阿里巴巴集团控股有限公司 人脸校验方法、装置、服务器及可读存储介质
WO2020155522A1 (en) * 2019-01-31 2020-08-06 Huawei Technologies Co., Ltd. Three-dimension (3d) assisted personalized home object detection
CN111507294A (zh) * 2020-04-22 2020-08-07 上海第二工业大学 基于三维人脸重建和智能识别的教室安防预警系统及方法
CN111557022A (zh) * 2018-12-10 2020-08-18 三星电子株式会社 二维图像处理方法及执行所述方法的设备
CN111753652A (zh) * 2020-05-14 2020-10-09 天津大学 一种基于数据增强的三维人脸识别方法
US10853631B2 (en) 2019-07-24 2020-12-01 Advanced New Technologies Co., Ltd. Face verification method and apparatus, server and readable storage medium
CN112884638A (zh) * 2021-02-02 2021-06-01 北京东方国信科技股份有限公司 虚拟试衣方法及装置
CN113379893A (zh) * 2021-05-27 2021-09-10 杭州小肤科技有限公司 一种利用光学反射合成3d人脸模型的方法
US11893681B2 (en) 2018-12-10 2024-02-06 Samsung Electronics Co., Ltd. Method for processing two-dimensional image and device for executing method
CN111557022B (zh) * 2018-12-10 2024-05-14 三星电子株式会社 二维图像处理方法及执行所述方法的设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050276452A1 (en) * 2002-11-12 2005-12-15 Boland James M 2-D to 3-D facial recognition system
US20070091085A1 (en) * 2005-10-13 2007-04-26 Microsoft Corporation Automatic 3D Face-Modeling From Video
CN105825186A (zh) * 2016-03-16 2016-08-03 四川川大智胜软件股份有限公司 一种基于三维人脸数据的身份证与持证人的同一性认证方法
CN106874830A (zh) * 2016-12-12 2017-06-20 杭州视氪科技有限公司 一种基于rgb‑d相机和人脸识别的视障人士辅助方法
CN106910247A (zh) * 2017-03-20 2017-06-30 厦门幻世网络科技有限公司 用于生成三维头像模型的方法和装置
CN107067429A (zh) * 2017-03-17 2017-08-18 徐迪 基于深度学习的人脸三维重建和人脸替换的视频编辑系统及方法
CN107423678A (zh) * 2017-05-27 2017-12-01 电子科技大学 一种提取特征的卷积神经网络的训练方法及人脸识别方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050276452A1 (en) * 2002-11-12 2005-12-15 Boland James M 2-D to 3-D facial recognition system
US20070091085A1 (en) * 2005-10-13 2007-04-26 Microsoft Corporation Automatic 3D Face-Modeling From Video
CN105825186A (zh) * 2016-03-16 2016-08-03 四川川大智胜软件股份有限公司 一种基于三维人脸数据的身份证与持证人的同一性认证方法
CN106874830A (zh) * 2016-12-12 2017-06-20 杭州视氪科技有限公司 一种基于rgb‑d相机和人脸识别的视障人士辅助方法
CN107067429A (zh) * 2017-03-17 2017-08-18 徐迪 基于深度学习的人脸三维重建和人脸替换的视频编辑系统及方法
CN106910247A (zh) * 2017-03-20 2017-06-30 厦门幻世网络科技有限公司 用于生成三维头像模型的方法和装置
CN107423678A (zh) * 2017-05-27 2017-12-01 电子科技大学 一种提取特征的卷积神经网络的训练方法及人脸识别方法

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109214352A (zh) * 2018-09-26 2019-01-15 珠海横琴现联盛科技发展有限公司 基于2d摄像头三维成像技术的动态人脸检索识别方法
CN109583304A (zh) * 2018-10-23 2019-04-05 宁波盈芯信息科技有限公司 一种基于结构光模组的快速3d人脸点云生成方法及装置
CN109063700A (zh) * 2018-10-30 2018-12-21 深圳市海能通信股份有限公司 一种基于lbp运算大数据检索平台
CN111557022B (zh) * 2018-12-10 2024-05-14 三星电子株式会社 二维图像处理方法及执行所述方法的设备
US11893681B2 (en) 2018-12-10 2024-02-06 Samsung Electronics Co., Ltd. Method for processing two-dimensional image and device for executing method
CN111557022A (zh) * 2018-12-10 2020-08-18 三星电子株式会社 二维图像处理方法及执行所述方法的设备
WO2020155522A1 (en) * 2019-01-31 2020-08-06 Huawei Technologies Co., Ltd. Three-dimension (3d) assisted personalized home object detection
US11436437B2 (en) 2019-01-31 2022-09-06 Huawei Technologies Co., Ltd. Three-dimension (3D) assisted personalized home object detection
CN109784315A (zh) * 2019-02-20 2019-05-21 苏州风图智能科技有限公司 3d障碍物的跟踪检测方法、装置、系统及计算机存储介质
CN110059101B (zh) * 2019-04-16 2021-08-13 北京科基中意软件开发有限公司 一种基于图像识别的车辆数据查找系统和查找方法
CN110059101A (zh) * 2019-04-16 2019-07-26 北京科基中意软件开发有限公司 一种基于图像识别的车辆数据查找系统和查找方法
US10853631B2 (en) 2019-07-24 2020-12-01 Advanced New Technologies Co., Ltd. Face verification method and apparatus, server and readable storage medium
CN110532746B (zh) * 2019-07-24 2021-07-23 创新先进技术有限公司 人脸校验方法、装置、服务器及可读存储介质
CN110532746A (zh) * 2019-07-24 2019-12-03 阿里巴巴集团控股有限公司 人脸校验方法、装置、服务器及可读存储介质
CN111507294A (zh) * 2020-04-22 2020-08-07 上海第二工业大学 基于三维人脸重建和智能识别的教室安防预警系统及方法
CN111753652A (zh) * 2020-05-14 2020-10-09 天津大学 一种基于数据增强的三维人脸识别方法
CN111753652B (zh) * 2020-05-14 2022-11-29 天津大学 一种基于数据增强的三维人脸识别方法
CN112884638A (zh) * 2021-02-02 2021-06-01 北京东方国信科技股份有限公司 虚拟试衣方法及装置
CN113379893A (zh) * 2021-05-27 2021-09-10 杭州小肤科技有限公司 一种利用光学反射合成3d人脸模型的方法
CN113379893B (zh) * 2021-05-27 2022-02-11 杭州小肤科技有限公司 一种利用光学反射合成3d人脸模型的方法

Also Published As

Publication number Publication date
CN108537191B (zh) 2020-11-20

Similar Documents

Publication Publication Date Title
CN108537191A (zh) 一种基于结构光摄像头的三维人脸识别方法
WO2021175050A1 (zh) 三维重建方法和三维重建装置
US20200265597A1 (en) Method for estimating high-quality depth maps based on depth prediction and enhancement subnetworks
Douros et al. Three-dimensional surface curvature estimation using quadric surface patches
CN108549873A (zh) 三维人脸识别方法和三维人脸识别系统
CN101398886B (zh) 一种基于双目被动立体视觉的快速三维人脸识别方法
CN104063702B (zh) 一种基于遮挡修复和局部相似性匹配的三维步态识别方法
CN108334848A (zh) 一种基于生成对抗网络的微小人脸识别方法
CN114998934B (zh) 基于多模态智能感知和融合的换衣行人重识别和检索方法
CN104182765A (zh) 一种互联网图像驱动的三维模型最优视图自动选择方法
CN109766873A (zh) 一种混合可变形卷积的行人再识别方法
CN102034267A (zh) 基于关注度的目标物三维重建方法
CN110796101A (zh) 一种嵌入式平台的人脸识别方法及系统
CN106649747A (zh) 一种景点识别方法及其系统
CN111639580A (zh) 一种结合特征分离模型和视角转换模型的步态识别方法
CN111274944A (zh) 一种基于单张图像的三维人脸重建方法
CN106778649A (zh) 一种判断景点标识物的图像识别算法
CN116152697A (zh) 一种混凝土结构裂缝的三维模型测量方法及相关装置
Lin et al. High quality facial data synthesis and fusion for 3D low-quality face recognition
CN110543845B (zh) 一种三维人脸的人脸级联回归模型训练方法及重建方法
CN117392289A (zh) 基于ai语音自动生成案发现场视频的方法和系统
Hsu et al. Automatic extraction of face contours in images and videos
CN113538720A (zh) 基于海思智能ai芯片的嵌入式人脸识别考勤方法
Khan et al. A review of benchmark datasets and training loss functions in neural depth estimation
CN113808256B (zh) 一种结合身份识别的高精度全息人体重建方法

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
CB02 Change of applicant information

Address after: 511457 Guangdong city of Guangzhou province Nansha District Golden Road No. 26 room 1306 (only for office use)

Applicant after: Yuncong Technology Group Co.,Ltd.

Address before: 518000 Guangdong city of Guangzhou province Nansha District Golden Road No. 26 room 1306

Applicant before: GUANGZHOU YUNCONG INFORMATION TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A 3D face recognition method based on structured light camera

Effective date of registration: 20220323

Granted publication date: 20201120

Pledgee: China Construction Bank Corporation Guangzhou Development Zone Branch

Pledgor: Yuncong Technology Group Co.,Ltd.

Registration number: Y2022980003112

PE01 Entry into force of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right

Date of cancellation: 20230103

Granted publication date: 20201120

Pledgee: China Construction Bank Corporation Guangzhou Development Zone Branch

Pledgor: Yuncong Technology Group Co.,Ltd.

Registration number: Y2022980003112

PC01 Cancellation of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A 3D face recognition method based on structured light camera

Effective date of registration: 20230302

Granted publication date: 20201120

Pledgee: China Construction Bank Corporation Guangzhou Development Zone Branch

Pledgor: Yuncong Technology Group Co.,Ltd.

Registration number: Y2023980033893

PE01 Entry into force of the registration of the contract for pledge of patent right