CN108537236A - 一种多相机数据识别控制系统 - Google Patents

一种多相机数据识别控制系统 Download PDF

Info

Publication number
CN108537236A
CN108537236A CN201810300224.2A CN201810300224A CN108537236A CN 108537236 A CN108537236 A CN 108537236A CN 201810300224 A CN201810300224 A CN 201810300224A CN 108537236 A CN108537236 A CN 108537236A
Authority
CN
China
Prior art keywords
data
information
characteristic
processing unit
models
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.)
Withdrawn
Application number
CN201810300224.2A
Other languages
English (en)
Inventor
左忠斌
左达宇
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.)
Tianmu Love Vision (beijing) Technology Co Ltd
Tianmu Aishi Beijing Technology Co Ltd
Original Assignee
Tianmu Love Vision (beijing) 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 Tianmu Love Vision (beijing) Technology Co Ltd filed Critical Tianmu Love Vision (beijing) Technology Co Ltd
Priority to CN201810300224.2A priority Critical patent/CN108537236A/zh
Publication of CN108537236A publication Critical patent/CN108537236A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G06V10/464—Salient features, e.g. scale invariant feature transforms [SIFT] using a plurality of salient features, e.g. bag-of-words [BoW] representations
    • 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
    • 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
    • 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
    • G06V40/18—Eye characteristics, e.g. of the iris

Landscapes

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

Abstract

本发明提供了一种多相机数据识别控制系统，该系统由数据采集控制装置、四维特征数据存储装置和数据识别控制装置组成。其中数据采集控制装置包括：支撑结构，设置在支撑结构上的弧形承载结构，布置在弧形承载结构上的形成相机矩阵的多台拍照相机，以及与多台拍照相机连接的数据处理单元；用多台拍照相机得到多幅生物特征图像，并传输至数据处理单元；数据处理单元，用于对多幅生物特征图像进行处理。同时利用目标人体的身份信息找到数据库中存储的生物特征四维数据，并相应的点云比对以识别目标人体的身份。本发明采用多台拍照相机控制技术进行生物特征信息的采集，可以显著提高生物特征信息的采集效率。

Description

一种多相机数据识别控制系统
技术领域
本发明涉及图像重构与识别技术领域，特别是一种多相机数据识别控制系统。
背景技术
生物特征即生物固有的生理或行为特征，如指纹、掌纹、虹膜或人脸等。生物特征有一定的唯一性和稳定性，即任何两生物的某种生物特征之间的差异比较大，且生物特征一般不会随着时间发生很大的变化，这就使得生物特征很适合应用在身份认证或识别系统中的认证信息等场景中。
目前使用单一相机采集生物特征数据，单一相机只能采集某个特定的角度，或者需要调整相机来采集不同角度的生物特征，实际使用起来不便捷，较为繁琐，因此亟待解决这一技术问题。
发明内容
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的基于光栅相机的生物特征四维数据识别方法及系统。
本发明提供了一种多相机数据识别控制系统，包括如下装置：
数据采集控制装置，用于采集人体在给定时间内的多幅生物特征图像，并根据所述多幅生物特征图像构建生物特征的四维模型，以实现所述生物特征的四维数据采集；
四维特征数据存储装置，用于扫描或录入人体的身份信息(I1，I2,…In)作为识别标志对采集到的人体特征四维数据进行关联存储，形成包括多条生物特征四维数据(D1,D2,…Dn)的数据库；
数据识别控制装置，用于根据扫描或录入的目标人体的身份信息(I1，I2,…In)找到所述数据库中存储的生物特征四维数据(D1,D2,…Dn)，并将所述目标人体的生物特征四维数据(T1,T2,…Tn)分别与相应的所述数据库中存储的生物特征四维数据(D1,D2,…Dn)进行比对，以识别目标人体的身份。
进一步的，所述的数据采集控制装置包括：支撑结构，设置在所述支撑结构上的弧形承载结构，布置在所述弧形承载结构上的形成相机矩阵的多台拍照相机，以及与所述多台拍照相机连接的数据处理单元；
所述多台拍照相机，用于对生物特征信息进行采集，得到多幅生物特征图像，并将所述多幅生物特征图像传输至所述数据处理单元；
所述数据处理单元，用于对所述多幅生物特征图像进行处理。
进一步的，所述数据处理单元具体包括：
提取器，用于提取所述多幅生物特征图像中各自的特征点；
生成器，用于基于提取的所述多幅生物特征图像中各自的特征点，生成生物特征的特征点云数据；
构建器，用于根据所述特征点云数据构建生物特征的3D模型，以实现生物特征3D数据的采集。
进一步的，所述提取器包括图像处理器GPU和中央处理器CPU，GPU用于将所述多幅生物特征图像的图像信息分配到GPU的块block中进行运算，CPU用于集中调度和分配所述图像信息。
进一步的，所述多台拍照相机还用于记录采集生物特征信息的时间数据，并传输至所述数据处理单元；所述构建器还用于根据所述特征点云数据和所述时间数据，构建具有时间维度的生物特征的3D模型，以实现生物特征四维数据的采集。
进一步的，所述生成器还用于根据提取的所述多幅生物特征图像中各自的特征点的特征，进行特征点的匹配，建立匹配的特征点数据集；根据多台拍照相机的光学信息，计算各台拍照相机相对于生物特征在空间上的相对位置，并根据所述相对位置计算出所述多幅生物特征图像中的特征点的空间深度信息；根据匹配的特征点数据集和特征点的空间深度信息，生成生物特征的特征点云数据。
进一步的，所述多幅生物特征图像中各自的特征点的特征采用尺度不变特征转换SIFT特征描述子来描述。
进一步的，所述生成器还用于根据多台拍照相机的光学信息，采用光束平差法计算各台拍照相机相对于生物特征在空间上的相对位置。
进一步的，所述多幅生物特征图像中的特征点的空间深度信息包括：空间位置信息和颜色信息。
进一步的，所述构建器还用于设定待构建的3D模型的参考尺寸；根据所述参考尺寸和所述特征点云数据的空间位置信息，确定所述特征点云数据中各个特征点的空间尺寸，从而构建生物特征的3D模型；或者
设定待构建的3D模型的参考尺寸；根据所述参考尺寸和所述特征点云数据的空间位置信息，确定所述特征点云数据中各个特征点的空间尺寸，从而构建生物特征的3D模型；根据构建的生物特征的3D模型和所述时间数据，生成具有时间维度的生物特征的3D模型。
进一步的，若所述生物特征信息为头部信息、面部信息和/或虹膜信息，则所述系统还包括：与所述支撑结构连接的底座，以及设置在所述底座上用于固定生物拍照位置的座椅；当生物位于所述座椅上时，所述多台拍照相机对头部面部信息进行采集。
进一步的，所述系统还包括：设置在所述弧形承载结构上的第一显示器，所述第一显示器与所述数据处理单元连接；
在所述数据处理单元构建得到头部、面部和/或虹膜的3D模型后，在所述第一显示器上通过可视化方式显示头部、面部和/或虹膜3D数据；或者
在所述数据处理单元构建得到具有时间维度的头部、面部和/或虹膜的3D模型后，在所述第一显示器上通过可视化方式显示头部、面部和/或虹膜四维数据。
进一步的，若所述生物特征信息为手部信息，则所述支撑结构为柜体，所述弧形承载结构设置在所述柜体内，所述系统还包括：
设置在所述柜体上面向多台拍照相机的镜头的一面的透明玻璃盖板；
当生物的手部放置在所述透明玻璃盖板上时，所述多台拍照相机对手部信息进行采集。
进一步的，所述系统还包括：
设置在所述柜体上的第二显示器，所述第二显示器与所述数据处理单元连接；
在所述数据处理单元构建得到手部的3D模型后，在所述第二显示器上通过可视化方式显示手部3D数据；或者
在所述数据处理单元构建得到具有时间维度的手部的3D模型后，在所述第二显示器上通过可视化方式显示手部四维数据。
进一步的，所述数据识别控制装置，采用天目点云比对识别法对所述目标人体的生物特征四维数据(T1、T2…Tn)和所述数据库中存储的生物特征四维数据(D1、D2…Dn)进行比对；所述天目点云比对识别法包括如下步骤：
S301.特征点拟合；
S302.曲面整体最佳拟合；
S303.相似度计算；
进一步的，所述天目点云比对识别法包括如下具体步骤：
采用基于空域直接匹配的方法进行特征点拟合，在两个点云的对应的刚性区域，选取三个及以上特征点作为拟合关键点，通过坐标变换，直接进行特征点对应匹配；
特征点对应匹配后，整体曲面最佳拟合后的点云的数据对齐；
采用最小二乘法进行相似度计算。
本发明的有益效果在于：提供了一种多相机数据识别控制系统，该系统能快速准确地识别生物特征。人的脸部和手部是刚性和柔性的结合体，柔性部分因为动作变化会有不同的形态，例如表情变化，脸部肌肉会随之改变状态，手部进行不同动作，手部状态也会随之改变。因此会形成不同的3D图像，若用单张的数据特征做识别，会存在误差。因此可见光相机采集生物体在给定时间内的多幅生物特征图像，根据所述多幅生物特征图像构建生物特征的四维模型，实现对生物体的四维数据采集，后存储并关联至生物体的身份信息，当再次识别目标生物体是否是该生物体身份时，即使目标生物体如脸部有表情，或手部有动作，也可识别目标生物体的身份，进一步提高了识别精度。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
根据下文结合附图对本发明具体实施例的详细描述，本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了根据本发明一实施例的基于多相机数据识别控制系统结构示意图；
图2示意了根据本发明一实施例的多相机数据采集控制系统的结构图；
图3示意了根据本发明另一实施例的多相机数据采集控制系统的结构图；
图4示意了根据本发明一实施例的头部面部可见光拍照3D数据采集控制系统的示意图；
图5示意了图4所示的采集控制系统中承载结构的内部模块和外部的连接的示意图；
图6示意了图4所示的采集控制系统中串口集成模块、相机矩阵和中央处理模块的连接的示意图；
图7示意了根据本发明一实施例的人体手部可见光拍照3D数据采集控制系统的示意图；
图8示意了图7所示的采集控制系统的中央控制模块和外部的连接的示意图；以及
图9示意了根据本发明一实施例的人体手部信息采集位置的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
四维数据可以是多张相同时间间隔或不同时间间隔、不同角度、不同方位、不同表情形态等的3D数据集合。所说的头部，是指人体脖子(颈椎)以上的所有器官；所说的面部，是指脸部和耳部。
需要说明的是，本发明中的四维数据是指三维空间数据结合时间维度数据所形成的数据，三维空间结合时间维度是指：多张相同时间间隔或不同时间间隔、不同角度、不同方位或不同状态等情况的图像或影像形成的数据集合。
为解决上述技术问题，本发明实施例提供了一种多相机数据识别控制系统。如图1所示为多相机数据识别控制系统结构示意图：
数据采集控制装置1010，用于采集人体在给定时间内的多幅生物特征图像，并根据所述多幅生物特征图像构建生物特征的四维模型，以实现所述生物特征的四维数据采集；
四维特征数据存储装置1020，用于扫描或录入人体的身份信息(I1，I2,…In)作为识别标志对采集到的人体特征四维数据进行关联存储，形成包括多条生物特征四维数据(D1,D2,…Dn)的数据库；
数据识别控制装置1030，用于根据扫描或录入的目标人体的身份信息(I1，I2,…In)找到所述数据库中存储的生物特征四维数据(D1,D2,…Dn)，并将所述目标人体的生物特征四维数据(T1,T2,…Tn)分别与相应的所述数据库中存储的生物特征四维数据(D1,D2,…Dn)进行比对，以识别目标人体的身份。
图2示出了根据本发明一实施例的多相机数据采集控制系统的结构图，在图2中，多相机数据采集控制系统100具体可以包括：支撑结构110，设置在支撑结构110上的弧形承载结构120，布置在弧形承载结构120上的形成相机矩阵的多台拍照相机130，以及与多台拍照相机130连接的数据处理单元140；
多台拍照相机130，用于对生物特征信息进行采集，得到多幅生物特征图像，并将多幅生物特征图像传输至数据处理单元140；
数据处理单元140，用于对多幅生物特征图像进行处理。
本发明实施例提供了一种多相机数据采集控制系统，该系统包括支撑结构，设置在支撑结构上的弧形承载结构，布置在弧形承载结构上的形成相机矩阵的多台拍照相机，以及与多台拍照相机连接的数据处理单元；多台拍照相机用于对生物特征信息进行采集，得到多幅生物特征图像，并将多幅生物特征图像传输至数据处理单元；数据处理单元用于对多幅生物特征图像进行处理。可以看到，本发明实施例采用多台拍照相机控制技术进行生物特征信息的采集，可以显著提高生物特征信息的采集效率。
在本发明的可选实施例中，如图3所示，上文图2展示的数据处理单元140具体可以包括：提取器141、与提取器141连接的生成器142以及与生成器142连接的构建器143。
提取器141，用于提取多幅生物特征图像中各自的特征点；
生成器142，用于基于提取的多幅生物特征图像中各自的特征点，生成生物特征的特征点云数据；
构建器143，用于根据特征点云数据构建生物特征的3D模型，以实现生物特征3D数据的采集。
优选的，所述提取器141包括图像处理器GPU和中央处理器CPU。将上述获得的多幅生物特征图像，传送到具有图像处理器GPU和中央处理器CPU的处理单元；将多幅生物特征图像的图像信息分配到GPU的块block中进行运算，并结合CPU的集中调度和分配功能，计算多幅生物特征图像各自的特征点。
可以看到，本发明实施例采用多台拍照相机控制技术进行生物特征信息的采集，可以显著提高生物特征信息的采集效率。并且，本发明实施例基于中央处理器和图形处理器的并行计算，可以高效地实现特征信息的处理。
优选的，GPU为双GPU，每颗GPU具有多个block，如56个block，本发明实施例对此不作限制。
在本发明的可选实施例中，多台拍照相机130还用于记录采集生物特征信息的时间数据，并传输至数据处理单元140；
数据处理单元140中的构建器143还用于根据特征点云数据和时间数据，构建具有时间维度的生物特征的3D模型，以实现生物特征四维数据的采集。
在本发明的可选实施例中，上文图2所示的生成器142在基于提取的多幅生物特征图像中各自的特征点，生成生物特征的特征点云数据时，具体还用于：
根据提取的多幅生物特征图像中各自的特征点的特征，进行特征点的匹配，建立匹配的特征点数据集；
根据多台拍照相机的光学信息，计算各台拍照相机相对于生物特征在空间上的相对位置，并根据相对位置计算出多幅生物特征图像中的特征点的空间深度信息；以及
根据匹配的特征点数据集和特征点的空间深度信息，生成生物特征的特征点云数据。
这里，多幅生物特征图像中各自的特征点的特征可以采用SIFT(Scale-InvariantFeature Transform，尺度不变特征转换)特征描述子来描述。SIFT特征描述子具有128个特征描述向量，可以在方向和尺度上描述任何特征点的128个方面的特征，显著提高对特征描述的精度，同时特征描述子具有空间上的独立性。
在本发明的可选实施例中，生成器142根据多台拍照相机的光学信息，计算各台拍照相机相对于生物特征在空间上的相对位置，具体可以是根据多台拍照相机的光学信息，采用光束平差法计算各台拍照相机相对于生物特征在空间上的相对位置。
在光束平差法的定义中，假设有一个3D空间中的点，它被位于不同位置的多个拍照相机看到，那么光束平差法就是能够从这些多视角信息中提取出3D点的坐标以及各个拍照相机的相对位置和光学信息的过程。
进一步地，上文提及的多幅生物特征图像中的特征点的空间深度信息可以包括：空间位置信息和颜色信息，即，可以是特征点在空间位置的X轴坐标、特征点在空间位置的Y轴坐标、特征点在空间位置的Z轴坐标、特征点的颜色信息的R通道的值、特征点的颜色信息的G通道的值、特征点的颜色信息的B通道的值、特征点的颜色信息的Alpha通道的值等等。这样，生成的特征点云数据中包含了特征点的空间位置信息和颜色信息，特征点云数据的格式可以如下所示：
X1 Y1 Z1 R1 G1 B1 A1
X2 Y2 Z2 R2 G2 B2 A2
……
Xn Yn Zn Rn Gn Bn An
其中，Xn表示特征点在空间位置的X轴坐标；Yn表示特征点在空间位置的Y轴坐标；Zn表示特征点在空间位置的Z轴坐标；Rn表示特征点的颜色信息的R通道的值；Gn表示特征点的颜色信息的G通道的值；Bn表示特征点的颜色信息的B通道的值；An表示特征点的颜色信息的Alpha通道的值。
在本发明的可选实施例中，构建器143还可以是设定待构建的3D模型的参考尺寸；进而根据参考尺寸和特征点云数据的空间位置信息，确定特征点云数据中各个特征点的空间尺寸，从而构建生物特征的3D模型。或者，构建器143还可以设定待构建的3D模型的参考尺寸；根据参考尺寸和特征点云数据的空间位置信息，确定特征点云数据中各个特征点的空间尺寸，从而构建生物特征的3D模型；根据构建的生物特征的3D模型和时间数据，生成具有时间维度的生物特征的3D模型。
在构建的生物特征的3D模型中，可以包括描述3D模型的空间形状特征数据、描述3D模型的表面纹理特征数据、描述3D模型的表面材质和灯光特征数据等3D数据，本发明实施例对此不作限制。
在本发明的可选实施例中，当需要采集的生物特征不同时，多相机数据采集控制系统100的结构也有所不同，下面将分别进行详细介绍。
情况一，若生物特征信息为头部、面部和/或虹膜信息，则多相机数据采集控制系统还可以包括：与支撑结构连接的底座，以及设置在底座上用于固定生物拍照位置的座椅；
当生物位于座椅上时，多台拍照相机对头部、面部和/或虹膜信息进行采集。
在可选的实施例中，多相机数据采集控制系统还可以包括：设置在弧形承载结构上的第一显示器，第一显示器与数据处理单元连接；
在数据处理单元构建得到头部、面部和/或虹膜的3D模型后，在第一显示器上通过可视化方式显示头部、面部和/或虹膜3D数据；或者
在数据处理单元构建得到具有时间维度的头部、面部和/或虹膜的3D模型后，在第一显示器上通过可视化方式显示头部、面部和/或虹膜四维数据。
在可选的实施例中，还可以通过第一显示器界面，设定各台拍照相机的拍照参数，如感光度、快门速度、变焦倍数、光圈等，本发明实施例不限于此。
情况二，若生物特征信息为手部信息，则支撑结构可以为柜体，弧形承载结构设置在柜体内，则多相机数据采集控制系统还可以包括：设置在柜体上面向多台拍照相机的镜头的一面的透明玻璃盖板；
当生物的手部放置在透明玻璃盖板上时，多台拍照相机对手部信息进行采集。
在可选的实施例中，多相机数据采集控制系统还可以包括：设置在柜体上的第二显示器，第二显示器与数据处理单元连接；
在数据处理单元构建得到手部的3D模型后，在第二显示器上通过可视化方式显示手部3D数据；或者
在数据处理单元构建得到具有时间维度的手部的3D模型后，在第二显示器上通过可视化方式显示手部四维数据。
在可选的实施例中，还可以通过第二显示器界面，设定各台拍照相机的拍照参数，如感光度、快门速度、变焦倍数、光圈等，本发明实施例不限于此。
以上介绍了图2所示的实施例中各个环节的多种实现方式，下面通过具体的实施例对本发明实施例提供的多相机数据采集控制系统做进一步说明，在具体实施例中分别以头部面部信息、手部信息采集为例。
具体实施例一
(1-1)头部、面部和/或虹膜可见光拍照3D数据采集控制系统设计思路如下。
A.头部、面部和/或虹膜可见光拍照3D数据采集控制系统，如图4所示，在图4中，该系统可以包括：
底座31，作为整个发明设备的主要的底部支撑结构；
座椅32，固定拍照人体位置和调节人体高度；
支撑结构33，连接设备的底部和其他主体机构；
显示器34，设备系统工作的操作界面；
承载结构35，拍照相机、中央处理器、灯光的固定结构；
相机矩阵36，人体头部面部信息采集；
带状补光灯37，环境灯光补充使用。
B.设备的连接关系说明
底座31通过连接结构和座椅32相连；
底座31通过机构连接结构和支撑结构33相连；
支撑结构33通过机械连接结构和承载结构35相连；
显示器34通过机械固定在承载结构35上；
相机矩阵36通过结构固定的方式固定在承载结构35上；
带状补光灯37通过结构固定的方式固定在承载结构35上。
(1-2)承载结构35的内部模块组成如下。
A.如图5所示，承载结构35的内部模块可以由如下几部分组成：
电源管理模块，负责提供整个系统的所需的各种电源；
灯光管理模块，通过中央处理模块可以调整灯光的亮度；
串口集成模块，负责中央处理模块和相机矩阵的双向通讯；
中央处理模块，负责系统信息处理、显示、灯光、座椅的控制；
座椅升降管理模块，负责座椅高度调整；
显示驱动管理模块，负责显示器的显示驱动。
B.承载结构35的内部模块以及外部的连接关系如下：
1)电源管理模块向相机矩阵、串口集成模块、灯光管理模块、中央处理模块、显示驱动管理模块、座椅升降管理模块提供电源；
2)串口集成模块连接相机矩阵和中央处理模块，实现它们之间的双向通讯，如图5所示；
2.1)相机以单独个体的方式以串口的方式和串口集成模块连接
2.2)串口集成模块通过USB接口和中央处理模块连接
2.3)中央处理模块通过定制开发的软件界面实现和相机矩阵的可视化操作
2.4)操作界面上可以实现对相机拍照参数的设置
感光度ISO(范围50～6400)
快门速度(1/4000～1/2)(秒)
变焦倍数(1～3.8x)
光圈(大/小)
2.5)操作界面可以实现对相机开机的初始化操作
2.6)操作界面可以实现相机影像采集的命令
2.7)操作界面可以实现相机影像储存路径的设置
2.8)操作界面可以实现相机实时影像的浏览以及相机的切换
3)灯光管理模块连接电源管理模块、中央处理模块以及外部带状补光灯；
4)座椅升降管理模块连接电源管理模块、中央处理模块以及外部座椅，中央处理模块通过可视化界面实现对座椅高度的上下调节；
5)显示驱动管理模块连接电源管理模块、中央处理模块及外部的显示器；
6)中央处理模块连接电源管理模组、灯光管理模块、座椅升降管理模块、串口集成模块、显示驱动管理模块。
(1-3)设备使用方法如下
A.启动设备：打开电源开关后，中央处理器，相机矩阵，带状补光灯分别启动。
B.参数设定：通过显示器界面，可以设定相机矩阵拍照的各项参数。
C.信息采集：参数设定完毕后，启动矩阵相机开始对人体头部、面部和/或虹膜进行信息采集，信息采集时间在0.8秒内完成，采集的信号最后以数字图像(.jpg)的格式传至中央处理模块进行处理，中央处理模块核心由以下几个部分组成：
C.1CPU(Central Processing Unit，中央处理单元)：负责整个数字信号的传送调度，任务分配，内存管理，以及部分单一的计算处理；
C.2GPU(Graphics Processing Unit，图像处理单元)：选用特殊型号的GPU，具有优秀的图像处理能力和高效的计算能力；
C.3DRAM(Dynamic Random Access Memory，即动态随机存取存储器)：作为整个数字信号处理的暂时存储中心，需要匹配CPU和GPU的运算能力，得到最佳的处理和计算效能。
D.信息处理：矩阵相机采集完的信号传送到中央处理模块进行信号处理。
D.1信息处理的过程如下
D.1.1采集图像的滤波
利用GPU的特性，结合图像滤波的矩阵运算子的特性，图像滤波可以在一定算法的支持下，快速完成。
D.1.2采集图像的特征点提取
采用CPU和与整体性能相匹配的GPU，因为本设备的各种信息的格式都是图像格式，结合具有优秀图像处理能力的GPU，可以将jpg的各种信息内容均匀的分配到GPU的block中，由于本设备采用双GPU，每颗GPU本身具有56个block，所以采集信息抓取到的18张jpg的图像会均匀的分配到112个block上面进行运算，并结合CPU的集中调度和分配功能，可以快速地计算出每张照片具有的特征点，相对于单独CPU或者CPU搭配其他普通型号的GPU的运算，整体的运算速度时间是后者的1/10或者更短
D.1.3采集图像的匹配和空间深度信息的计算
图像特征点的提取采用金字塔的层级结构，以及空间尺度不变性的特殊算法，这两种特殊的算法都是结合本设备选用的GPU的特殊构造，最大程度的发挥系统的计算性能，实现快速提取图像信息中的特征点。
此过程的特征描述子采用SIFT特征描述子，SIFT特征描述子具有128个特征描述向量，可以在方向和尺度上描述任何特征点的128个方面的特征，显著提高对特征描述的精度，同时特征描述子具有空间上的独立性。
本设备采用的特殊图像处理GPU，具有优异的单独向量的计算和处理能力，对于采用128个特殊描述子的SIFT特征向量来讲，在这样特殊GPU的条件下来处理是最适合不过了，可以充分发挥该GPU的特殊计算能力，比较采用普通CPU或者CPU搭配其他普通规格的GPU，特征点的匹配时间会降低70％。
特征点匹配完毕，系统会采用光束平差法的算法计算出拍照相机相对于头部面部在空间上的相对位置，根据此相对位置的空间坐标，GPU可以快速地计算出头部面部特征点的深度信息。
D.1.4特征点云数据的生成
根据D.1.3计算出头部、面部和/或虹膜特征点在空间的深度信息，由于GPU具有的向量计算能力，可以快速地匹配出头部面部特征点云的空间位置和颜色信息，形成一个标准的模型建立需要的点云信息。
E.特征尺寸标定：通过特征点云尺寸的标准，为整个模型的尺寸设定最初的参考尺寸。
通过在信息采集上的特殊标定，该特殊标定具有空间确定尺寸，由于头部、面部和/或虹膜特征点云具有空间上尺度一致性，通过该特殊标定的确定尺寸，头部、面部和/或虹膜的任何特征点之间的尺寸可以从点云的空间位置坐标计算得到。
F.数据的后续处理：基于E中标定的尺寸，通过对点云数据进行进一步的处理，可以得到人脸头部、面部和/或虹膜的3D数据。
3D数据的格式有如下几个文件：
.obj——描述3D模型的空间形状特征
.jpg——描述3D模型的表面纹理特征
.mtl——描述3D模型的表面材质和灯光特征
G.头头部、面部和/或虹膜3D数据通过可视化的方法显示在显示器上。或者，具有时间维度的头部、面部和/或虹膜的3D模型通过可视化的方法可以显示在显示器上。
具体实施例二
(2-1)人体手部可见光拍照3D数据采集控制系统设计思路如下。
A.人体手部可见光拍照3D数据采集控制系统，如图7所示，在图7中，该系统可以包括：
柜体61，作为整个设备的主要的主体支撑结构；
相机矩阵62，采集人体手部特征，具体可以是指部特征；
透明玻璃盖板63，人体手部的放置装置；
中央控制模块64，系统的信息处理、分析、显示模块；
手部位置65，人体手部的放置位置说明；
无影灯光系统66，为手部3D建模提供灯光环境。
B.设备的连接关系说明
柜体61通过机械固定的方式和相机矩阵62相连；
柜体61通过机械结构固定的方式和透明玻璃盖板63相连；
中央控制模块64通过机械固定的方式和柜体61相连；
无影灯光系统66通过机械固定的方式和柜体61相连；
手部位置65确保人体手部整体落在相机矩阵62信息采集的范围内。
(2-2)中央控制模块64和外部的连接如图8所示。
A.整个中央控制模块由如下几个部分组成：
电源管理模块，提供整个设备的电源；
串口集成模块，负责相机矩阵和中央处理模块的命令和数据传递；
灯光管理模块，负责管理外部无影灯光系统的；
显示驱动模块，负责显示模块的管理；
中央处理模块，整个系统的采集数据的分析、计算和处理；
显示模块，系统操作界面。
B.整个中央控制模块的连接关系如下所示：
B.1电源管理模块提供电源给相机矩阵、串口集成模块、中央处理模块、灯光管理模块、显示驱动模块、显示模块；
B.2串口集成模块实现相机矩阵和中央处理模块之间的双向通讯；
B.3灯光管理模块提供电源给无影灯光系统，并负责调整灯光系统的参数；
B.4中央处理模块连接串口集成模块、灯光管理模块、显示驱动模块和电源管理模块；
B.5显示驱动模块连接中央处理模块和显示模块。
(2-3)设备使用方法如下
A.启动设备：打开电源开关后，启动电源管理模块给系统各个模块提供电源，并同时启动相机矩阵、中央控制模块、无影灯光系统以及显示模块。
B.人体手部放置：将人体的手部放置在透明玻璃盖板上，通过调整手部的位置，使手部的信息全部落在信息采集的方位内，由于本设备的灯光系统采用无影灯光系统，各个角度采集的手部信息没有阴影，可以显著提高特征点采集的效率和准确度。
C.参数设置：通过显示器界面，可以设定相机矩阵拍照的各项参数
D.信息采集：参数设置完毕，启动相机矩阵开始对手部的信息进行采集，采集的信息会以图片的格式传到中央控制模块进行分析和处理。
E.信息处理：相机矩阵采集完的信号传送到中央控制模块进行信号处理，信息处理的过程如下。
D.1采集图像的滤波
以手部指部为例进行举例说明，如图9所示，指端的指纹特征也是具有唯一生物识别的特征，所以在采集到手部的特征点后，首先需要将非指端的信息采用算法的方法滤掉，整个算法的整体思路如下：
D.1.1建立指端和第二指部的关节纹的库文件以及指部关节纹的特征库；
D.1.2导入特征库针对指部采集到的信息进行特征识别；
D.1.3特征识别后，针对特征区的区域进行计算，计算出指部指端的特征区的范围；
D.1.4特征区和非指部特征区的图像分割；
D.1.5非指部特征区的信息从原始图像剔除；
D.1.6新特征区域的信息做进一步的滤波处理；
D.2采集图像的特征点提取
D.3采集图像的匹配和空间深度信息的计算
D.4特征点云数据的生成
D.5手部其他部位采集同上。
F.数据后续处理：通过对点云数据进行进一步的处理，可以得到手部的纹理构造。
G.手部3D数据显示：手部3D数据通过可视化的方法显示在显示器上；或者，具有时间维度的手部的3D模型通过可视化的方法显示在显示器上。
这里，D.2、D.3以及D.4可以参见前文介绍，此处不再赘述。
需要说明的是，实际应用中，上述所有可选实施方式可以采用结合的方式任意组合，形成本发明的可选实施例，在此不再一一赘述。
在本发明实施例中，在四维特征数据存储装置1020中，存储数据采集控制装置1010中所采集到的生物特征四维数据，并以人体的身份信息(I1、I2…In)作为识别标志对采集到的生物特征四维数据进行存储，形成包括多条生物特征四维数据(D1、D2…Dn)的数据库，例如：四维数据D1和该人体的身份信息I1进行关联存储，另一人体的四维数据D2和该人体的身份信息I2进行关联存储，以此类推，形成包括n个人体四维数据的数据库。
其中，当采集对象即人体为人体时，则身份信息I包括但不限于人的：姓名、性别、年龄和证件号中的一种或多种，证件号可以包括人在生活中经常用到的例如身份证号、护照号、驾照号、社保号或军官证号中的一种或多种。
优选的，所述身份信息通过扫描身份证、护照、驾照、社保卡或军官证获得，或者，通过手动或自动录入的方式从身份证、护照、驾照、社保卡或军官证获得身份信息。
优选的，在数据识别控制装置1030中，对目标人体的身份识别时，采用天目点云比对识别法对目标人体(即待识别身份的人体)的生物特征四维数据(T1、T2…Tn)和数据库中存储的生物特征四维数据(D1、D2…Dn)进行比对，以识别目标人体的身份。首先，通过输入目标人体的身份信息，如人体的身份证号，这样可以快速找到已经存储在数据库中以该身份证号为文件名的四维数据(D1、D2…Dn)，而不必将目标人的数据与数据库中的海量数据进行逐一比对，提高了比对识别的效率，大大提升了身份识别的速度，然后再把当前采集到的该人体的四维数据(T1、T2…Tn)与数据中调取出来的四维数据进行比对，最后识别该人体的身份是否符合，进而实现身份认证，具体的，采用天目点云比对识别法包括如下步骤：
S301.特征点拟合；
S302.曲面整体最佳拟合；
S303.相似度计算。
优选的，天目点云比对识别法还包括如下具体步骤：
采用基于空域直接匹配的方法进行特征点拟合，在两个点云的对应的刚性区域，选取三个及以上特征点作为拟合关键点，通过坐标变换，直接进行特征点对应匹配；
特征点对应匹配后，整体曲面最佳拟合后的点云的数据对齐；
采用最小二乘法进行相似度计算。
天目点云比对识别法(Yare Eyes point cloud match recognition method)识别过程和工作原理如下：首先，在某一时刻的点云是组成四维模型的基本元素，它包含空间坐标信息(XYZ)和颜色信息(RGB)。点云的属性包括空间分辨率，点位精度，表面法向量等。它的特征不受外界条件的影响，对于平移和旋转都不会发生改变。逆向软件能够进行点云的编辑和处理，如：imageware、geomagic、catia、copycad和rapidform等。天目点云比对识别法特有的基于空域直接匹配的方法包括：迭代最近点法ICP(Iterative closestpoint)，ICP方法通常分为两步，第一步特征点拟合，第二步曲面整体最佳拟合。先拟合对齐特征点的目的是为了最短时间找到并对齐要比对拟合的两个点云。但不限于此。例如可以是：
第一步，在两个点云的对应的刚性区域，选取三个及以上特征点作为拟合关键点，通过坐标变换，直接进行特征点对应匹配。
ICP用于曲线或曲面片段的配准，是3D数据重构过程中一个非常有效的工具，在某一时刻给定两个3D模型粗略的初始对齐条件，ICP迭代地寻求两者之间的刚性变换以最小化对齐误差，实现两者的空间几何关系的配准。
给定集合和集合元素表示两个模型表面的坐标点，ICP配准技术迭代求解距离最近的对应点、建立变换矩阵，并对其中一个实施变换，直到达到某个收敛条件，迭代停止.其编码如下：
1.1 ICP算法
输入.P1，P2.
输出.经变换后的P2
P2(0)＝P2,l＝0；
Do
For P2(l)中的每一个点
在P1中找一个最近的点yi；
End For
计算配准误差E；
If E大于某一阈值
计算P2(l)与Y(l)之间的变换矩阵T(l)；
P2(l+1)＝T(l)·P2(l),l＝l+1；
Else
停止；
End If
While||P2(l+l)-P2(l)||>threshold；
其中配准误差
1.2基于局部特征点的匹配：
以人面部信息识别为例，人脸模型主要分为刚性模型部分和塑性模型部分，塑性变形影响对齐的准确性，进而影响相似度。塑性模型第一次第二次采集数据会有局部差异，一种解决途径是只在刚性区域选取特征点，特征点是从一个对象中提取的、在一定条件下保持稳定不变的属性，采用常用的方法迭代最近点法ICP特征点进行拟合对齐。
首先提取脸部受表情影响较小的区域，如鼻子区域鼻尖、眼框外角、额头区域、颧骨区域、耳部区域等。人体手部指节为刚性区域，掌部为塑性区域，在指部区域选取特征点为最佳。虹膜为刚性模型。
对特征点的要求：
1)完备性.蕴含尽可能多的对象信息，使之区别于其他类别的对象；2)紧凑性.表达所需的数据量尽可能少；3)还要求特征最好能在模型旋转、平移、镜像变换下保持不变。
在3D生物特征识别中，采用对齐两个3D生物特征模型点云，计算输入模型的相似度，其中配准误差作为差别度量。
第二步：特征点最佳拟合后，整体曲面最佳拟合后的点云的数据对齐。
第三步，相似度计算。最小二乘法
最小二乘法(又称最小平方法)是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法也可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵，用最小二乘法来表达。常用于解决曲线拟合问题，进而解决曲面的完全拟合。通过迭代算法能够加快数据收敛，快速求得最优解。
如果在某一时刻的3D数据模型是以STL文件格式输入的，则通过计算点云与三角片的距离来确定其偏差。因此，该方法需要对每个三角面片建立平面方程，其偏差为点到平面的距离。而对于在某一时刻的3D数据模型为IGES或STEP模型,由于自由曲面表达形式为NURBS面，所以点到面的距离计算需要用到数值优化的方法进行计算。通过迭代计算点云中各点至NURBS曲面的最小距离来表达偏差，或将NURBS曲面进行指定尺度离散，用点与点的距离近似表达点偏差，或将其转换为STL格式进行偏差计算。不同的坐标对齐及偏差计算方法，获得的检测结果也不同。对齐误差的大小将直接影响检测精度及评估报告的可信度。
最佳拟合对齐是检测偏差平均到整体，以保证整体偏差最小为条件来终止迭代计算的对齐过程，对配准结果进行3D分析，生成结果对象以两个图形间误差的均方根的形式输出，均方根越大，反映两个模型在该处的差异越大。反之亦反。根据比对重合度比例判断是否是比对标的物。
基于上文各个实施例提供的基于光栅相机的四维数据识别方法，基于同一发明构思，本发明实施例还提供了一种基于光栅相机的四维数据识别系统。图9示出了根据本发明一实施例的基于光栅相机的四维数据采集装置的结构示意图。其包括如下装置：
生物特征信息采集装置1010，用于采集人体在给定时间内的多幅生物特征图像，并根据多幅生物特征图像构建生物特征的四维模型，以实现人体的生物特征四维数据采集；
生物特征四维数据存储装置1020，扫描或录入人体的身份信息(I1、I2…In)作为识别标志对采集到的生物特征四维数据进行存储，形成包括多条生物特征四维数据(D1、D2…Dn)的数据库；
目标人体的身份识别装置1030，用于根据扫描或录入的目标人体的身份信息(I1、I2…In)找到数据库中存储的生物特征四维数据(D1、D2…Dn)，用于将目标人体的生物特征四维数据(T1、T2…Tn)分别与相应的数据库中存储的生物特征四维数据(D1、D2…Dn)进行比对，以识别目标人体的身份。
根据上述任意一个可选实施例或多个可选实施例的组合，本发明实施例能够达到如下有益效果：
本发明实施例提供了一种多相机数据采集控制系统，该系统包括支撑结构，设置在支撑结构上的弧形承载结构，布置在弧形承载结构上的形成相机矩阵的多台拍照相机，以及与多台拍照相机连接的数据处理单元；多台拍照相机用于对生物特征信息进行采集，得到多幅生物特征图像，并将多幅生物特征图像传输至数据处理单元；数据处理单元用于对多幅生物特征图像进行处理。可以看到，本发明实施例采用多台拍照相机控制技术进行生物特征信息的采集，可以显著提高生物特征信息的采集效率。
并且，本发明实施例利用采集到生物特征在空间上的特征信息，完整地复原生物特征在空间上的各项特征，为后续的生物特征数据的应用提供了无限的可能性。
进一步，本发明实施例基于中央处理器和图形处理器的并行计算，可以快速高效地实现特征信息的处理以及点云的生成。并且，采用尺度不变特征转换SIFT特征描述子结合特殊图形处理器的并行计算能力，可以快速实现特征点的匹配和空间特征点云的生成。此外，采用独特的尺寸标定方法，可以准确快速地提取生物特征任何特征点的空间尺寸，生成生物特征的3D模型，以实现3D数据的采集。另外，本发明实施例采用独特的尺寸标定方法，可以准确快速地提取生物特征任何特征点的空间尺寸，生成具有时间维度的生物特征的3D模型，以实现四维数据的采集。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的多相机数据采集控制系统中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
至此，本领域技术人员应认识到，虽然本文已详尽示出和描述了本发明的多个示例性实施例，但是，在不脱离本发明精神和范围的情况下，仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此，本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。

Claims (10)

1.一种多相机数据识别控制系统，其特征在于，包括如下装置：
数据采集控制装置，用于采集人体在给定时间内的多幅生物特征图像，并根据所述多幅生物特征图像构建生物特征的四维模型，以实现所述人体特征四维数据的采集；
四维特征数据存储装置，用于扫描或录入人体的身份信息(I1，I2,…In)作为识别标志对采集到的人体特征四维数据进行关联存储，形成包括多条人体特征四维数据(D1,D2,…Dn)的数据库；
数据识别控制装置，用于根据扫描或录入的目标人体的身份信息(I1，I2,…In)找到所述数据库中存储的人体特征四维数据(D1,D2,…Dn)，并将所述目标人体的人体特征四维数据(T1,T2,…Tn)分别与相应的所述数据库中存储的人体特征四维数据(D1,D2,…Dn)进行比对，以识别目标人体的身份。
2.根据权利要求1所述的系统，其特征在于，所述的数据采集控制装置包括：支撑结构，设置在所述支撑结构上的弧形承载结构，布置在所述弧形承载结构上的形成相机矩阵的多台拍照相机，以及与所述多台拍照相机连接的数据处理单元；
所述多台拍照相机，用于对生物特征信息进行采集，得到多幅生物特征图像，并将所述多幅生物特征图像传输至所述数据处理单元；
所述数据处理单元，用于对所述多幅生物特征图像进行处理。
3.根据权利要求2所述的系统，其特征在于，所述数据处理单元具体包括：
提取器，用于提取所述多幅生物特征图像中各自的特征点；
生成器，用于基于提取的所述多幅生物特征图像中各自的特征点，生成生物特征的特征点云数据；
构建器，用于根据所述特征点云数据构建生物特征的3D模型，以实现生物特征3D数据的采集。
4.根据权利要求3所述的系统，其特征在于，所述提取器包括图像处理器GPU和中央处理器CPU，GPU用于将所述多幅生物特征图像的图像信息分配到GPU的块block中进行运算，CPU用于集中调度和分配所述图像信息。
5.根据权利要求3所述的系统，其特征在于，所述多台拍照相机还用于：记录采集生物特征信息的时间数据，并传输至所述数据处理单元；
所述构建器还用于根据所述特征点云数据和所述时间数据，构建具有时间维度的生物特征的3D模型，以实现生物特征四维数据的采集。
6.根据权利要求4或5所述的系统，其特征在于，所述生成器还用于：
根据提取的所述多幅生物特征图像中各自的特征点的特征，进行特征点的匹配，建立匹配的特征点数据集；
根据多台拍照相机的光学信息，计算各台拍照相机相对于生物特征在空间上的相对位置，并根据所述相对位置计算出所述多幅生物特征图像中的特征点的空间深度信息；
根据匹配的特征点数据集和特征点的空间深度信息，生成生物特征的特征点云数据；
所述多幅生物特征图像中各自的特征点的特征采用尺度不变特征转换SIFT特征描述子来描述；
根据多台拍照相机的光学信息，采用光束平差法计算各台拍照相机相对于生物特征在空间上的相对位置；
所述多幅生物特征图像中的特征点的空间深度信息包括：空间位置信息和颜色信息。
7.根据权利要求6所述的系统，其特征在于，所述构建器还用于：
设定待构建的3D模型的参考尺寸；根据所述参考尺寸和所述特征点云数据的空间位置信息，确定所述特征点云数据中各个特征点的空间尺寸，从而构建生物特征的3D模型；或者
设定待构建的3D模型的参考尺寸；根据所述参考尺寸和所述特征点云数据的空间位置信息，确定所述特征点云数据中各个特征点的空间尺寸，从而构建生物特征的3D模型；根据构建的生物特征的3D模型和所述时间数据，生成具有时间维度的生物特征的3D模型。
8.根据权利要求4所述的系统，其特征在于，若所述生物特征信息为头部信息、面部信息和/或虹膜信息，则所述系统还包括：
与所述支撑结构连接的底座，以及设置在所述底座上用于固定生物拍照位置的座椅；
当生物位于所述座椅上时，所述多台拍照相机对头部面部信息进行采集；
设置在所述弧形承载结构上的第一显示器，所述第一显示器与所述数据处理单元连接；
在所述数据处理单元构建得到头部、面部和/或虹膜的3D模型后，在所述第一显示器上通过可视化方式显示头部信息、面部信息和/或虹膜信息3D数据；或者
在所述数据处理单元构建得到具有时间维度的头部信息、面部信息和/或虹膜信息的3D模型后，在所述第一显示器上通过可视化方式显示头部、面部和/或虹膜四维数据。
9.根据权利要求4所述的系统，其特征在于，若所述生物特征信息为手部信息，则所述支撑结构为柜体，所述弧形承载结构设置在所述柜体内，所述系统还包括：
设置在所述柜体上面向多台拍照相机的镜头的一面的透明玻璃盖板；
当生物的手部放置在所述透明玻璃盖板上时，所述多台拍照相机对手部信息进行采集；
设置在所述柜体上的第二显示器，所述第二显示器与所述数据处理单元连接；
在所述数据处理单元构建得到手部的3D模型后，在所述第二显示器上通过可视化方式显示手部3D数据；或者
在所述数据处理单元构建得到具有时间维度的手部的3D模型后，在所述第二显示器上通过可视化方式显示手部四维数据。
10.根据权利要求1所述的设备，其特征在于，所述数据识别控制装置，采用天目点云比对识别法对所述目标人体的生物特征四维数据(T1、T2…Tn)和所述数据库中存储的生物特征四维数据(D1、D2…Dn)进行比对；所述天目点云比对识别法包括如下步骤：
S301.特征点拟合；
S302.曲面整体最佳拟合；
S303.相似度计算；
所述天目点云比对识别法包括如下具体步骤：
采用基于空域直接匹配的方法进行特征点拟合，在两个点云的对应的刚性区域，选取三个及以上特征点作为拟合关键点，通过坐标变换，直接进行特征点对应匹配；
特征点对应匹配后，整体曲面最佳拟合后的点云的数据对齐；
采用最小二乘法进行相似度计算。
CN201810300224.2A 2018-04-04 2018-04-04 一种多相机数据识别控制系统 Withdrawn CN108537236A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810300224.2A CN108537236A (zh) 2018-04-04 2018-04-04 一种多相机数据识别控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810300224.2A CN108537236A (zh) 2018-04-04 2018-04-04 一种多相机数据识别控制系统

Publications (1)

Publication Number Publication Date
CN108537236A true CN108537236A (zh) 2018-09-14

Family

ID=63481847

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810300224.2A Withdrawn CN108537236A (zh) 2018-04-04 2018-04-04 一种多相机数据识别控制系统

Country Status (1)

Country Link
CN (1) CN108537236A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111160136A (zh) * 2019-12-12 2020-05-15 天目爱视（北京）科技有限公司 一种标准化3d信息采集测量方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103247045A (zh) * 2013-04-18 2013-08-14 上海交通大学 一种从多视图中得到人造场景主方向及图像边缘的方法
CN104794728A (zh) * 2015-05-05 2015-07-22 成都元天益三维科技有限公司 由多幅图像重构人脸实时三维数据的方法
EP2993614A1 (en) * 2014-09-05 2016-03-09 Samsung Electronics Co., Ltd Method and apparatus for facial recognition
CN105893965A (zh) * 2016-03-31 2016-08-24 中国科学院自动化研究所 一种可用于非特定人的双目视觉图像合成装置与方法
CN106156740A (zh) * 2016-07-05 2016-11-23 张宁 民航机场候机楼人脸快速识别系统
CN106599785A (zh) * 2016-11-14 2017-04-26 深圳奥比中光科技有限公司 人体3d特征身份信息库的建立方法及设备
CN106778474A (zh) * 2016-11-14 2017-05-31 深圳奥比中光科技有限公司 3d人体识别方法及设备
CN106910241A (zh) * 2017-01-20 2017-06-30 徐迪 基于手机摄像和云服务器的三维人体头部的重建系统及方法
CN107590435A (zh) * 2017-08-09 2018-01-16 广东欧珀移动通信有限公司 掌纹识别方法、装置和终端设备

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103247045A (zh) * 2013-04-18 2013-08-14 上海交通大学 一种从多视图中得到人造场景主方向及图像边缘的方法
EP2993614A1 (en) * 2014-09-05 2016-03-09 Samsung Electronics Co., Ltd Method and apparatus for facial recognition
CN104794728A (zh) * 2015-05-05 2015-07-22 成都元天益三维科技有限公司 由多幅图像重构人脸实时三维数据的方法
CN105893965A (zh) * 2016-03-31 2016-08-24 中国科学院自动化研究所 一种可用于非特定人的双目视觉图像合成装置与方法
CN106156740A (zh) * 2016-07-05 2016-11-23 张宁 民航机场候机楼人脸快速识别系统
CN106599785A (zh) * 2016-11-14 2017-04-26 深圳奥比中光科技有限公司 人体3d特征身份信息库的建立方法及设备
CN106778474A (zh) * 2016-11-14 2017-05-31 深圳奥比中光科技有限公司 3d人体识别方法及设备
CN106910241A (zh) * 2017-01-20 2017-06-30 徐迪 基于手机摄像和云服务器的三维人体头部的重建系统及方法
CN107590435A (zh) * 2017-08-09 2018-01-16 广东欧珀移动通信有限公司 掌纹识别方法、装置和终端设备

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111160136A (zh) * 2019-12-12 2020-05-15 天目爱视（北京）科技有限公司 一种标准化3d信息采集测量方法及系统

Similar Documents

Publication Publication Date Title
CN108416312B (zh) 一种基于可见光拍照的生物特征3d数据识别方法
US20190259202A1 (en) Method to reconstruct a surface from partially oriented 3-d points
CN110942032B (zh) 活体检测方法及装置、存储介质
JP6624794B2 (ja) 画像処理装置、画像処理方法及びプログラム
CN109766876A (zh) 非接触式指纹采集装置和方法
WO2019157989A1 (zh) 生物特征3d数据采集方法和生物特征3d数据识别方法
CN108564018A (zh) 一种基于红外拍照的生物特征3d四维数据识别方法及系统
CN108446596A (zh) 基于可见光相机矩阵的虹膜3d四维数据采集系统及方法
CN108446597B (zh) 一种基于可见光相机的生物特征3d数据采集方法及装置
EP3382645B1 (en) Method for generation of a 3d model based on structure from motion and photometric stereo of 2d sparse images
CN108319939A (zh) 一种3d四维头部面部数据识别设备
CN108520230A (zh) 一种3d四维手部图像数据识别方法及设备
US11769320B2 (en) Systems and methods for dynamic identification of a surgical tray and the items contained thereon
CN111062260B (zh) 一种面部整容推荐方案自动生成方法
CN108550184A (zh) 一种基于光场相机的生物特征3d四维数据识别方法及系统
CN108470166A (zh) 一种基于激光扫描的生物特征3d四维数据识别方法及系统
CN108470149A (zh) 一种基于光场相机的3d四维数据采集方法及装置
CN108334874A (zh) 一种3d四维虹膜图像数据识别设备
CN108259751A (zh) 一种多相机数据采集控制系统
CN108334873A (zh) 一种3d四维手部数据识别设备
CN108537236A (zh) 一种多相机数据识别控制系统
KR20220000851A (ko) 딥러닝 기술을 활용한 피부과 시술 추천 시스템 및 방법
CN108470150A (zh) 一种基于可见光相机的生物特征四维数据采集方法及装置
CN108470186A (zh) 一种图像特征点的匹配方法及装置
CN209401042U (zh) 非接触式指纹采集装置

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20180914

WW01 Invention patent application withdrawn after publication