CN108550184A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN108550184A CN108550184A CN201810301447.0A CN201810301447A CN108550184A CN 108550184 A CN108550184 A CN 108550184A CN 201810301447 A CN201810301447 A CN 201810301447A CN 108550184 A CN108550184 A CN 108550184A
- Authority
- CN
- China
- Prior art keywords
- data
- image data
- module
- biological characteristic
- point cloud
- 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- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 85
- 241001269238 Data Species 0.000 title claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 45
- 230000015572 biosynthetic process Effects 0.000 claims description 25
- 238000003786 synthesis reaction Methods 0.000 claims description 18
- 238000011946 reduction process Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 13
- 238000009877 rendering Methods 0.000 claims description 11
- 230000002708 enhancing effect Effects 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 7
- 238000013500 data storage Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 6
- 238000012800 visualization Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 5
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 abstract description 5
- 210000003128 head Anatomy 0.000 description 43
- 238000006243 chemical reaction Methods 0.000 description 21
- 230000005540 biological transmission Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 12
- 238000013075 data extraction Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 238000004040 coloring Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 238000012952 Resampling Methods 0.000 description 4
- 238000013480 data collection Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000005290 field theory Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000007500 overflow downdraw method Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000002922 simulated annealing Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 241001124569 Lycaenidae Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 210000001097 facial muscle Anatomy 0.000 description 1
- 210000001145 finger joint Anatomy 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 210000004247 hand Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 210000001037 metacarpus Anatomy 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 210000000216 zygoma Anatomy 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06V40/12—Fingerprints or palmprints
- G06V40/13—Sensors therefor
-
- 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
- G06V40/12—Fingerprints or palmprints
- G06V40/1347—Preprocessing; Feature extraction
-
- 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
-
- 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
- G06V40/19—Sensors therefor
-
- 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
- G06V40/193—Preprocessing; Feature extraction
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/28—Recognition of hand or arm movements, e.g. recognition of deaf sign language
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Ophthalmology & Optometry (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明提供了一种基于光场相机的生物特征3D四维数据识别方法,采用光场相机对目标物体在给定时间内进行数据采集,以光场相机成像原理为基础,结合数字图像处理技术,对目标物体进行四维数据的采集,完成对目标物体的重构,利用目标生物体的身份信息找到数据库中存储的生物特征3D四维数据,并相应的点云比对以识别目标生物体的身份。还提供了一种基于光场相机的生物特征3D四维数据识别系统。本发明由于光场相机基于光场理论,在一个焦距对物体拍照后可以计算出其他焦距的成像情况,无需对焦,也不需要在不同焦距多次拍照,因此,减少了数据采集时间和后期身份识别计算的数据量,同时降低操作复杂度。
Description
技术领域
本发明涉及图像识别技术领域,特别是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。
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。
目前生物特征数据主要是基于可见光、红外光、激光、投影等技术为背景。其中,基于可见光的数据采集设备一般都是普通相机,普通相机拍出照片只有一个焦点,其数据重点只是一个平面,图像细节有限,对后期3D合成算法要求高,运算时间长,且合成3D效果清晰度有限,虽然可通过调整焦距在不同焦点拍摄图片可以改善,但增加了数据获取和数据处理的时间,降低了建模效率,同时要求相机具备变焦功能,每次拍照需要先对焦后拍照,既增加相机成本又增加了操作复杂度。
因此,亟需针对生物特征提供一种速度快、误差小以及安全可靠的多维数据识别方案。
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场相机的生物特征3D四维数据识别方法及系统。
本发明提供了一种基于光场相机的生物特征3D四维数据识别方法,其包括如下步骤:
S01.采集生物特征信息,
通过光场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,以实现所述生物体的生物特征3D四维数据采集;
S02.存储生物特征四维数据,
扫描或录入以生物体的身份信息(I1、I2…In),以所述身份信息(I1、I2…In)作为识别标志对采集到的生物特征3D四维数据进行关联存储,形成包括多条生物特征3D四维数据(D1、D2…Dn)的数据库;
S03.目标生物体的身份识别,
采集目标生物体的生物特征3D四维数据(T1、T2…Tn),并扫描或录入所述目标生物体的身份信息(I1、I2…In),通过所述目标生物体的身份信息(I1、I2…In)找到所述数据库中存储的生物特征3D四维数据(D1、D2…Dn),将所述目标生物体的生物特征3D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3D四维数据(D1、D2…Dn)进行比对,以识别目标生物体的身份。
进一步的,步骤S01还包括:
步骤1,接收光场相机当前对目标物体进行采集得到的在给定时间内的影像数据;
步骤2,对所述影像数据进行多焦点采样并转换为多张预定图片格式的图像数据;
步骤3,将所述多张预定图片格式的图像数据进行预处理,其中,所述预处理包括以下至少之一:去除背景处理、降噪处理和细节增强处理;
步骤4,将预处理后的所述多张预定图片格式的图像数据融合成一张预定图片格式的图像数据,并对该张预定图片格式的图像数据进行处理,得到点云数据;
步骤5,从所述点云数据中提取所述目标物体的特征点云信息,并根据提取的所述特征点云信息,进行特征点距离标定;
步骤6,基于所述特征点距离标定得到的标定距离,对所述点云数据进行合成,得到所述目标物体在给定时间内的三维模型数据。
进一步的,得到点云数据的步骤进一步包括:
将所述多张预定图片格式的图像数据传送到具有图像处理器GPU和中央处理器CPU的处理单元;将所述多张预定图片格式的图像数据信息分配到GPU的块block中进行运算,并结合CPU的集中调度和分配功能,计算所述多幅生物特征图像各自的特征点。
进一步的,所述目标物体包括:人体的面部、虹膜和/或头部。
进一步的,在步骤2之前,所述方法还包括:
对所述影像数据进行解码,生成预定图片格式的图像数据,对所述预定图片格式的图像数据进行定位识别,确定所述人体的面部、虹膜和/或头部在预定的位置。
进一步的,在确定所述人体的面部、虹膜和/或头部不在预定的位置的情况下,所述方法还包括:
根据对所述预定图片格式的图像数据进行定位识别的结果,确定承载所述人体的面部、虹膜和/或头部的承载设备需要移动的方向;
向所述承载设备发送控制指令,指示所述承载设备向所述需要移动的方向移动,返回步骤1。
进一步的,确定所述人体的面部、虹膜和/或头部在预定的位置,包括:对所述预定图片格式的图像数据进行定位识别,判断所述预定图片格式的图像数据中的人体的面部和/头部的轮廓是否完整,如果完整,则确定所述人体的面部、虹膜和/或头部在预定的位置。
进一步的,在对所述影像数据进行解码时,所述方法还包括:对所述影像数据进行解码处理,得到视频信号数据,将所述视频信号数据发送到引导显示屏显示。
进一步的,所述目标物体包括:人体的手部。
进一步的,所述步骤5包括:
对从所述点云数据进行预处理,其中,所述预处理包括以下至少之一:降噪处理、平滑处理、和可视化处理;
从预处理后的所述点云数据中提取所述目标物体的特征点云信息;
根据所述特征点云信息,标定特征点的距离,得到所述目标物体在给定时间内的三维模型的基础尺寸。
进一步的,在步骤6之后,所述方法还包括:
对所述四维模型数据进行渲染,将渲染后的所述四维模型数据发送纵显示屏显示。
本发明提供了一种基于光场相机的生物特征3D四维数据识别系统,包括如下装置:
生物特征信息采集装置,用于采集生物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,以实现所述生物体的生物特征3D四维数据采集;
生物特征四维数据存储装置,用于扫描或录入生物体的身份信息(I1、I2…In),以生物体的身份信息(I1、I2…In)作为识别标志对采集到的生物特征3D四维数据进行存储,形成包括多条生物特征3D四维数据(D1、D2…Dn)的数据库;
目标生物体的身份识别装置,用于根据扫描或录入的目标生物体的身份信息(I1、I2…In)找到所述数据库中存储的生物特征3D四维数据(D1、D2…Dn),并将所述目标生物体的生物特征3D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3D四维数据(D1、D2…Dn)进行比对,以识别目标生物体的身份。
进一步的,所述的生物特征采集装置,包括:
数据接收模块,用于接收光场相机当前对目标物体进行采集得到在给定时间内的影像数据;
格式转换模块,用于对所述影像数据进行多焦点采样并转换为多张预定图片格式的图像数据;
预处理模块,用于将所述多张预定图片格式的图像数据进行预处理,其中,所述预处理包括以下至少之一:去除背景处理、降噪处理和细节增强处理;
数据融合模块,用于将预处理后的所述多张预定图片格式的图像数据融合成一张预定图片格式的图像数据;
点云生成模块,用于对所述一张预定图片格式的图像数据进行处理,得到点云数据;
距离标定模块,用于从所述点云数据中提取所述目标物体的特征点云信息,并根据提取的所述特征点云信息,进行特征点距离标定;
数据获取模块,用于基于所述特征点距离标定得到的标定距离,对所述点云数据进行合成,得到所述目标物体在给定时间内的三维模型数据。
进一步的,所述目标物体包括:人体的面部、虹膜和/或头部;所述装置还包括:
定位识别模块,用于对所述影像数据进行解码,生成预定图片格式的图像数据,对所述预定图片格式的图像数据进行定位识别,确定所述人体的面部、虹膜和/或头部在预定的位置。
进一步的,所述装置还包括:
移动控制模块,用于在所述定位识别确定所述人体的面部、虹膜和/或头部不在预定的位置的情况下,根据对所述预定图片格式的图像数据进行定位识别的结果,确定承载所述人体的面部、虹膜和/或头部的承载设备需要移动的方向,并向所述承载设备发送控制指令,指示所述承载设备向所述需要移动的方向移动,然后触发所述数据接收模块重新接收所述光场相机当前对所述目标物体采集到的影像数据。
进一步的,确定所述人体的面部、虹膜和/或头部在预定的位置,包括:对所述预定图片格式的图像数据进行定位识别,判断所述预定图片格式的图像数据中的人体的面部和/头部的轮廓是否完整,如果完整,则确定所述人体的面部、虹膜和/或头部在预定的位置。
进一步的,所述格式转换模块还用于在对所述影像数据进行解码时,对所述影像数据进行解码处理,得到视频信号数据,将所述视频信号数据发送到引导显示屏显示。
进一步的,所述距离标定模块按照以下方式进行距离标定:
对从所述点云数据进行预处理,其中,所述预处理包括以下至少之一:降噪处理、平滑处理、和可视化处理;
从预处理后的所述点云数据中提取所述目标物体的特征点云信息;
根据所述特征点云信息,标定特征点的距离,得到所述目标物体在给定时间内的三维模型的基础尺寸。
进一步的,所述装置还包括:
渲染模块,用于对所述三维模型数据进行渲染;
显示控制模块,用于将渲染后的所述三维模型数据发送至显示屏显示。
本发明的有益效果:采用光场相机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。以识别目标的身份信息识别四维数据,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,采用基于空域直接匹配的天目点云比对识别法进行特征点拟合,实现了生物特征点的快速拟合比对,进而实现了身份快速认证识别。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。
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光场相机的生物特征3D四维数据识别方法流程图;
图2示出了根据本发明一实施例的基于光场相机的3D四维数据采集方法的流程图;
图3示出了根据本发明一实施例的基于光场相机的头部面部3D四维数据采集系统的架构示意图;
图4示出了根据本发明一实施例的基于光场相机的头部面部3D四维数据采集系统的模块结构示意图;
图5示出了根据本发明一实施例的基于光场相机的头部面部3D四维数据采集系统的工作流程图;
图6示出了根据本发明一实施例的基于光场相机的手部3D四维数据采集系统的架构示意图;
图7示出了根据本发明一实施例的基于光场相机的手部3D四维数据采集系统的模块结构示意图;
图8示出了根据本发明一实施例的基于光场相机的手部3D四维数据采集系统的工作流程图;
图9示出了根据本发明一实施例的基于光场相机的3D四维数据识别系统的结构示意图;以及
图10示出了根据本发明另一实施例的基于光场相机的3D四维数据识别系统的结构示意图。
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。
为解决上述技术问题,本发明实施例提供了一种基于光场相机的生物特征3D四维数据识别方法。
光场相机通过在普通相机镜头(主镜头)焦距处加微透镜阵列实现记录光线,再通过后期算法(傅里叶切片定理,光场成像算法)实现变焦。传统相机拍照只有一个焦平面,焦平面前后数据模糊,距离焦平面越远画面越模糊,因此拍摄前要先对焦,但即使对焦清晰对于具有一定景深的物体也无法拍到前后景深都清晰的图像,在三维数据合成中无法提取到模糊数据的特征点,导致合成效果差甚至合成失败。
光场相机先拍照后对焦,可以获取不同景深的清晰数据。再通过图像融合算法可以合成一张具有超景深的图像,在三维数据合成中可提取更多特征点,提高合精度和成功率。
图1示出了根据本发明一实施例的基于光场相机的生物特征3D四维数据识别方法的流程图:
S01.采集生物特征信息,
通过光场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,以实现所述生物体的生物特征3D四维数据采集;
S02.存储生物特征四维数据,
扫描或录入以生物体的身份信息(I1、I2…In),以所述身份信息(I1、I2…In)作为识别标志对采集到的生物特征3D四维数据进行关联存储,形成包括多条生物特征3D四维数据(D1、D2…Dn)的数据库;
S03.目标生物体的身份识别,
采集目标生物体的生物特征3D四维数据(T1、T2…Tn),并扫描或录入所述目标生物体的身份信息(I1、I2…In),通过所述目标生物体的身份信息(I1、I2…In)找到所述数据库中存储的生物特征3D四维数据(D1、D2…Dn),将所述目标生物体的生物特征3D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3D四维数据(D1、D2…Dn)进行比对,以识别目标生物体的身份。
在本发明的一个可选实施例中,图2示出了根据本发明一实施例的基于光场相机的3D四维数据采集方法的流程图。如图2所示,该方法可以包括以下步骤S102至步骤S112。
步骤S102,接收光场相机当前对目标物体进行采集得到的影像数据。
在具体使用过程中,在步骤S102之前,可以先将目标物体设置在承载设备上,启动系统的各个设备,设置光场相机的各项参数,并控制光场相机拍照,获取光场相机当前对目标物体进行拍照得到的影像数据。
步骤S104,对所述影像数据进行多焦点采样并转换为多张预定图片格式的图像数据。
在具体应用中,预定图片格式可以为JPG格式,即在步骤S104中,将影像数据的数据格式转换为JPG格式。当然,并不限于此,在具体应用中,也可以将影像数据转换为其它图片格式,例如,BMP格式等,具体本发明实施例不作限定。
在本发明的一个可选实施方式中,在进行数据格式转换时,可以首先将接收到的影像数据存储形式为二维信息M*N*3的三维矩阵,然后转换为四维信息存储形式为S*T*U*V*4的五维矩阵,其中S*U=M,T*V=N;然后做解码预处理进行微透镜中心标定;再进行微透镜间光场重采样;再做微透镜内光场重采样将数据存成预定图片格式。
步骤S106,将所述多张预定图片格式的图像数据进行预处理,其中,所述预处理包括以下至少之一:去除背景处理、降噪处理和细节增强处理。
通过去除背景处理,可以将图像数据中的背景数据去除,减少后续处理的数据量,提高效率。
另外,对图像数据进行降噪处理,可以去除图像数据中的噪声,提高三维数据采集的准确性。
而细节增强处理,使得特征点更加突出,可以方便后续对特征点的提取。
步骤S108,将预处理后的所述多张预定图片格式的图像数据融合成一张预定图片格式的图像数据,并对该张预定图片格式的图像数据进行处理,得到点云数据。
优选的,所述多张预定图片格式的图像数据处理,包括利用图像处理器GPU和中央处理器CPU进行处理,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,本发明实施例采用光场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。
在本发明的一个可选实施方式中,步骤S108中将多焦点图像进行融合的方法可以包括:基于空域的梯度差分法、分块法、逻辑滤波器法、加权平均法、数学形态法、图像代数法、模拟退火法;以及基于频域的拉普拉斯金字塔法、小波变换法、金字塔图像融合法、进行图像融合等。
其中,点云数据中可以包含特征点的空间位置信息和颜色信息,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。
步骤S110,从所述点云数据中提取所述目标物体的特征点云信息,并根据提取的所述特征点云信息,进行特征点距离标定。
在本发明的一个可选实施例中,步骤S110可以包括:
对从所述点云数据进行预处理,其中,所述预处理包括以下至少之一:降噪处理、平滑处理、和可视化处理;
从预处理后的所述点云数据中提取所述目标物体的特征点云信息;
根据所述特征点云信息,标定特征点的距离,得到所述目标物体的三维模型的基础尺寸。
步骤S112,基于所述特征点距离标定得到的标定距离,对所述点云数据进行合成,得到所述目标物体的三维模型数据。
在本发明的一个可选实施例中,在步骤S112之后,该方法还可以包括:对所述三维模型数据进行渲染,将渲染后的所述三维模型数据发送至显示屏显示。在该可选实施例中,对三维模型数据进行渲染,提高了显示的三维模型数据的真实度。
本发明实施例提供了一种基于光场相机的三维数据采集方法和装置,采用光场相机对目标物体进行数据采集,以光场相机成像原理为基础,结合数字图像处理技术,对目标物体进行三维数据的采集。由于光场相机基于光场理论,在一个焦距对物体拍照后可以计算出其他焦距的成像情况,无需对焦,也不需要在不同焦距多次拍照,因此,减少了数据采集时间和后期计算的数据量,同时降低操作复杂度。
在本发明的一个可选实施例中,所述目标物体包括:人体的面部、虹膜和/或头部。头部,具体指人体脖子(颈椎)以上的所有器官。面部,具体指脸部和耳部。光场相机也可以对手部整体进行扫描,采集手部的指部和手掌的纹理数据。
当目标物体为人体的面部、虹膜和/或头部时,由于各个人体可能具有不同的高度,因此,在具体应用中,可能存在目标物体的位置不合适,光场相机不能采集到完整的目标物体。因此,在本发明的一个可选实施方式中,在步骤S104之前,该方法还可以包括:对所述影像数据进行解码,生成预定图片格式的图像数据,对所述预定图片格式的图像数据进行定位识别,确定所述人体的面部、虹膜和/或头部在预定的位置。在该可选实施方式中,预定的位置可以根据人体的面部、虹膜和/或头部是否采集完整确定。
在上述可选实施方式中,可选地,在确定所述人体的面部、虹膜和/或头部不在预定的位置的情况下,该方法还可以包括:根据对所述预定图片格式的图像数据进行定位识别的结果,确定承载所述人体的面部、虹膜和/或头部的承载设备需要移动的方向;向所述承载设备发送控制指令,指示所述承载设备向所述需要移动的方向移动,返回步骤S102。通过该可选实施方式中,在人体的面部、虹膜和/或头部不在预定的位置的情况下,可以控制承载人体的面部、虹膜和/或头部的承载设备进行移动,然后采集新位置的人体的面部、虹膜和/或头部的图像,再判断人体的面部、虹膜和/或头部是否在预定的位置,直至确认人体的面部、虹膜和/或头部在预定的位置为止。
在上述可选实施方式中,预定的位置可以根据人体的面部、虹膜和/或头部是否采集完整确定。因此,可选地,确定所述人体的面部、虹膜和/或头部在预定的位置,包括可以对所述预定图片格式的图像数据进行定位识别,判断所述预定图片格式的图像数据中的人体的面部和/头部的轮廓是否完整,如果完整,则确定所述人体的面部、虹膜和/或头部在预定的位置。
在本发明的一个可选实施方式中,为了引导用户确定移动的方向,可选地,在对所述影像数据进行解码时,该方法还可以包括:对所述影像数据进行解码处理,得到视频信号数据,将所述视频信号数据发送到引导显示屏显示。用户可以通过引导显示屏上显示的图像确定如何进行移动,提高移动的准确性。
在本发明的一个可选实施例中,所述目标物体还可以包括:人体的手部。进一步地,所述人体的手部包括:指部,从而可以实现指纹的采集。
在具体应用中,可以根据目标物体的不同类别,设置不同的硬件系统进行目标物体的三维采集。下面分别以目标物体为头部面部以及手部指部为例,对本发明实施例提供的三维数据采集方法的硬件实现进行说明。
图3示出了根据本发明一实施例提供的一种基于光场相机的头部面部3D四维数据采集系统的架构示意图,图4示出了据本发明一实施例提供的一种基于光场相机的头部面部3D四维数据采集系统的模块结构示意图。如图3和4所示,该系统主要包括:底座21、座椅22、支撑结构23、中央控制模块24、环形承载结构25、补光灯控制模块26、补光灯27、光场相机控制部分28以及引导显示屏29。其中,座椅22与底座21连接,支撑结构23连接底座21与环形承载结构25,中央控制模块24位于环形承载结构25外侧与环形承载结构25和支撑结构23连接。补光灯控制模块26与补光灯27、光场相机控制部分28、引导显示屏29位于环形承载结构25内侧。
其中,如图4所示,中央控制模块24包括:中央控制通信模块241、座椅控制模块242、中央控制数据传输模块243、图像数据格式转换模块244、人脸识别定位模块245、多焦点图像数据融合模块246、三维模型定标模块248、三维模型点云生成模块247、三维模型合成模块249和三维模型显示模块250。其中,中央控制通信模块241与光场相机控制部分280连接;座椅控制模块242与座椅22连接;中央控制数据传输模块243的输入端与光场相机控制部分28连接,中央控制数据传输模块443的输出端与图像数据格式转换模块244连接;图像数据格式转换模块244的输入端与中央控制数据传输模块243连接,图像数据格式转换模块244的输出端分别与人脸识别定位模块245和引导显示屏29模块还有多焦点图像数据融合模块246连接;人脸识别定位模块245的输入端与图像数据格式转换模块244连接,人脸识别定位模块245的输出端与座椅控制模块242连接;多焦点图像数据融合模块246的输入端与图像数据格式转换模块244连接,多焦点图像数据融合模块246的输出端与三维模型点云生成模块247连接;三维模型点云生成模块247输入端与多焦点图像数据融合模块246连接,三维模型点云生成模块247的输出端与三维模型定标模块248连接;三维模型定标模块248的输入端与三维模型点云生成模块247连接,三维模型定标模块248的输出端与三维模型合成模块249连接;三维模型合成模块249的输入端与三维模型定标模块248连接,三维模型合成模块249的输出端与三维模型显示模块240连接;三维模型显示模块240输入端与三维模型合成模块249连接,三维模型显示模块240的输出端与中央控制显示屏200连接;中央控制显示屏451输入端与三维模型显示模块45连接。
如图4所示,光场相机控制部分28可以包括:相机通信模块281和相机数据传输模块282。其中,相机通信模块281分别与补灯光控制模块26和中央控制模块24中的中央控制通信模块241连接;相机数据传输模块282的输出端与中央控制模块24中的中央控制数据传输模块243连接。座椅22包括:PLC模块222和电机模块221;PLC模块222与中央控制模块24中的座椅控制模块242连接;电机模块221与PLC模块222连接;
上述系统的工作流程如图5所示,主要包括以下步骤S401至步骤S414。
步骤S401,参数设置。启动设备,设置相机参数,中央控制通信模块241与相机通信模块281连接,设置相机参数,并接收反馈信息。
在具体应用中,设置参数包括但不限于:曝光时间(1/8-1/2000)、感光度(ISO100-ISO6400)、白平衡参数Rgain Bgain手动设定、色彩饱和度(0-100)、对比度(0-100)。
步骤S402,数据采集。控制光场相机拍照,采集数据。中央控制通信模块241与相机通信模块281连接,控制光场相机拍照,并接收反馈信息。
步骤S403,数据传输。中央控制数据传输模块243与光场相机控制部分28中相机数据传输模块282连接,传输光场相机采集的影像数据。
步骤S404,数据格式转换。图像数据格式转换模块244的输入端与中央控制数据传输模块243连接,接收影像数据,并进行解码,生成JPG格式数据和视频格式数据。
在具体应用中,步骤S404中的数据格式转换首先将接收的光场数据,存储形式为二维信息M*N*3的矩阵转换为四维信息存储形式为S*T*U*V*4的五维矩阵,其中S*U=M,T*V=N;然后做解码预处理进行微透镜中心标定;再进行微透镜间光场重采样;再做微透镜内光场重采样将数据存成JPG格式。
步骤S405,引导显示。图像数据格式转换模块244的一个输出端与引导显示屏29连接,传输视频信号到引导显示屏29并显示。
步骤S406,人脸识别定位。人脸识别定位模块245的输入端与图像数据格式转换模块244连接,对数据进行人脸识别定位,判断人脸位置是否合适,如果是,则执行步骤S409,否则,执行步骤S407。
步骤S407,人脸识别定位模块245通过座椅控制模块242向座椅22发送控制命令。
步骤S408,座椅控制。座椅22中PLC模块222与中央控制模块24座椅控制模块242连接接收控制命令,通过电机模块221控制座椅22升降,返回步骤S402。
步骤S409,多焦点图像数据转换。图像数据格式转换模块244对光场数据进行多焦点采样并转换为JPG数据格式。
步骤S410,图像数据融合。多焦点图像数据融合模块246的输入端与图像数据格式转换模块244连接,对多张JPG数据进行处理,融合成一张JPG格式数据。
在步骤S410中,多焦点图像融合包括但不限于:基于空域的梯度差分法、分块法、逻辑滤波器法、加权平均法、数学形态法、图像代数法、模拟退火法;以及基于频域的拉普拉斯金字塔法、小波变换法、金字塔图像融合法、进行图像融合。
步骤S411,生成点云。三维模型点云生成模块247与多焦点图像数据融合模块246连接,对多张JPG数据进行处理,生成点云数据。
步骤S412,点云标定。三维模型定标模块248与三维模型点云生成模块247连接,对点云信息进行处理,生成尺寸数据。
步骤S413,三维模型合成。三维模型合成模块249与三维模型定标模块248连接,对标定后的点云数据进行处理,生成三维模型。
步骤S414,三维模型显示。三维模型显示模块450与三维模型合成模块449连接,对三维模型数据渲染,中央控制显示屏200与三维模型显示模块450连接,显示三维模型显示模块450输出的渲染后的三维模型;
本发明实施例提供的上述三维数据采集系统,光场相机通过在普通相机镜头(主镜头)焦距处加微透镜阵列实现记录光线的功能,利用光场相机采集数据;基于光场理论,光线在自由空间中的传播是可以用两个平面、四个坐标(四维量,学术上称为光场)来唯一表示,成像过程是对这个四维光场进行了一个二维积分,从而得到了二维图像,用光场相机拍照,相机直接记录了四维光场,不同焦深的图像只需做不同情况下的二维积分便可获取,相对只有一个焦平面的传统相机既获得了不同焦深的数据,又不需要考虑对焦问题,减少了数据采集时间和后期计算的数据量,降低操作复杂度,提升速度和精度。
图6示出了根据本发明一实施例提供的一种基于光场相机的手部3D四维数据采集系统的架构示意图,图7示出了据本发明一实施例提供的一种基于光场相机的手部3D四维数据采集系统的模块结构示意图。如图6和7所示,该系统主要包括:无影灯光模块51、灯光控制模块54、柜体52、手部模型支撑结构53、手部固定模型56、光场相机模块55和中央控制部分57。其中,手部固定模型56内部中空且位于手部模型支撑结构53内,手部模型支撑结构53位于柜体52上部,光场相机模块55位于柜体52内环形分布,灯光控制模块54位于无影灯光模块51内,无影灯光模块51位于柜体52内部光场相机两侧。
其中,如图7所示,中央控制部分57主要包括:通信模块571、数据传输模块572、数据转换模块573、数据处理模块574、指部三维模型指点云生成模块575、指部三维模型合成模块576、指部三维模型显示模块577、指部三维模型指纹数据提取模块578、三维指纹数据存储模块570-2、指部三维指纹数据转二维模块579和二维指纹数据存储模块570-1。其中,通信模块571分别与灯光控制模块54和光场相机模块55相连;数据传输模块572的输入端与光场相机连接;数据传输模块572的输出端与数据转换模块573连接;数据转换模块573的输入端与数据传输模块572连接;数据转换模块573的输出端与数据处理模块574连接;数据处理模块574的输入端与数据转换模块573连接;数据处理模块574的输出端与指部三维模型指点云生成模块575连接;指部三维模型指点云生成模块575的输入端与数据处理模块574连接;指部三维模型指点云生成模块575的输出端与指部三维模型合成模块576连接;指部三维模型合成模块576的输入端与指部三维模型指点云生成模块575连接;指部三维模型合成模块576的输出端分别与指部三维模型显示模块577和指部三维模型指纹数据提取模块578连接;指部三维模型显示模块577的输入端与指部三维模型合成模块576连接;指部三维模型显示模块577的输出端与显示屏58连接;指部三维模型指纹数据提取模块578的输入端与指部三维模型合成模块576连接;指部三维模型指纹数据提取模块578的输出端分别与三维指纹数据存储模块570-2和指部三维指纹数据转二维模块579连接;三维指纹数据存储模块570-2的输入端与指部三维模型指纹数据提取模块578连接;指部三维指纹数据转二维模块579的输入端与指部三维模型指纹数据提取模块578连接;指部三维指纹数据转二维模块579与二维指纹数据存储模块570-1连接;二维指纹数据存储模块570-1的输入端与指部三维指纹数据转二维模块579连接。
在本发明实施例中,手部固定模型56固定于手部模型支撑结构53上,手部固定模型56内部中空,手指尖端露出支撑结构。光场相机模块55以手部固定模型56中心为光轴中心,以相同角度平均分布在手部固定模型56下方。无影灯光模块51包含无影灯控制模块和环形无影灯,灯光以手部固定模型56为中心。
上述系统的工作流程如图8所示,主要包括以下步骤S701至步骤S713。
步骤S701,参数设置。启动设备,设置光场相机参数,通信模块571与光场相机模块55连接,设置相机参数,并接收反馈信息。
在具体应用中,设置参数包括但不限于:曝光时间(1/100-1/1000)、感光度(ISO100-ISO200),工作环境覆盖亮度LV2到LV15范围、白平衡参数可以手动设置Rgain和Bgain,可以涵盖3000K到6000K的色温环境。
步骤S702,数据采集。控制光场相机拍照,采集数据。通信模块571与光场相机模块55连接,控制光场相机拍照,并接收反馈信息。
步骤S703,数据传输。数据传输模块572与光场相机模块55连接,传输光场相机采集的影像数据。
步骤S704,数据格式转换。数据转换模块573的输入端与数据传输模块572连接接收影像数据,并进行解码,生成多张JPG格式数据。
步骤S705,数据处理。数据处理模块574的输入端与数据转换模块573连接,对图像数据做背景去除,主体降噪和细节增强处理。
其中,数据处理模块574识别手指主题去除背景数据,通过高斯低通滤波和小波降噪法对主体做降噪处理,通过Retinex和偏微分方程图像增强算法对主体做增强处理。
步骤S706,生成点云。指部三维模型点云生成模块575的输入端与数据处理模块574连接,对多张JPG数据进行处理,生成点云数据。
步骤S707,三维模型合成。指部三维模型合成模块576的输入端与指部三维模型点云生成模块575连接,对点云数据进行处理,生成三维模型。
步骤S708,三维模型渲染。指部三维模型显示模块577的输入端与指部三维模型合成模块576连接,对三维模型数据渲染。
步骤S709,三维模型显示。显示屏80的输入端与指部三维模型显示模块577连接显示三维模型。
步骤S710,三维指纹提取。指部三维模型指纹数据提取模块578的输入端与指部三维模型合成模块576连接,提取指部三维模型中所有手指的三维指纹特征数据。
步骤S711,三维指纹数据存储。三维指纹数据存储模块570-2的输入端与指部三维模型指纹数据提取模块578连接,对所有手指的三维指纹特征数据进行标记存储;
步骤S712,二维指纹数据提取。指部三维指纹数据转二维模块579的输入端与指部三维模型指纹数据提取模块578连接,对三维指纹数据进行处理,生成二维指纹数据。
步骤S713,二维指纹数据存储。二维指纹数据存储模块570-1的输入端与指部三维指纹数据转二维模块579连接,对所有手指的二维指纹特征数据进行标记存储。
本发明针对传统采用接触式采集方式,获取二维指纹数据,受施加的压力和手指干湿度影响会产生扭曲变形或清晰度下降的情况,且前一次采集会留下残影,有时同一手指需采集多次,对用户操作要求较高的问题,采用非接触式采集方式利用多台光场相机拍照,同时采集十根手指三维数据,对光场相机采集影像数据做降噪和增强处理后建立手指三维模型,再对手指三维模型做预处理提取手指三维指纹数据,同时将三维指纹数据转换成二维指纹数据,一次采集获取是跟手指三维和二维指纹数据,并且其对手指干湿不敏感、避免按压产生的变形和扭曲、消除残留纹路影响,提升采集的速度和精度。
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3D的生物特征加上时间的维度,构成四维生物特征,完整地复原生物的各项特征,为后续的生物特征数据的应用提供了无限的可能性。
在构建的生物特征的四维模型中可以包括描述四维模型在不同时间上的空间形状特征数据、描述四维模型在不同时间上的表面纹理特征数据、描述四维模型在不同时间上的表面材质和灯光特征数据等四维数据,本发明实施例对此不作限制。
在本发明实施例中,在步骤S02中,存储步骤S01所采集到的生物特征3D四维数据,并以生物体的身份信息(I1、I2…In)作为识别标志对采集到的生物特征3D四维数据进行存储,形成包括多条生物特征3D四维数据(D1、D2…Dn)的数据库,例如:四维数据D1和该生物体的身份信息I1进行关联存储,另一生物体的四维数据D2和该生物体的身份信息I2进行关联存储,以此类推,形成包括n个生物体四维数据的数据库。
其中,当采集对象即生物体为人体时,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,在步骤S03对目标生物体的身份识别时,采用天目点云比对识别法对目标生物体(即待识别身份的生物体)的生物特征3D四维数据(T1、T2…Tn)和数据库中存储的生物特征3D四维数据(D1、D2…Dn)进行比对,以识别目标生物体的身份。首先,通过输入目标生物体的身份信息,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:
1.1ICP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场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场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场相机的3D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,用于采集生物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,以实现所述生物体的生物特征3D四维数据采集;
生物特征四维数据存储装置1020,用于扫描或录入生物体的身份信息(I1、I2…In),以生物体的身份信息(I1、I2…In)作为识别标志对采集到的生物特征3D四维数据进行存储,形成包括多条生物特征3D四维数据(D1、D2…Dn)的数据库;
目标生物体的身份识别装置1030,用于根据扫描或录入的目标生物体的身份信息(I1、I2…In)找到所述数据库中存储的生物特征3D四维数据(D1、D2…Dn),并将所述目标生物体的生物特征3D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3D四维数据(D1、D2…Dn)进行比对,以识别目标生物体的身份。
根据本发明一实施例,如图9所示,生物特征信息采集装置1010包括:数据接收模块800、格式转换模块802、预处理模块804、数据融合模块806、点云生成模块808、距离标定模块810和三维数据获取模块812。
现介绍本发明实施例的基于光场相机的四维数据采集装置的各组成或器件的功能以及各部分间的连接关系:
数据接收模块800,用于接收光场相机当前对目标物体进行采集得到的影像数据;格式转换模块802,用于对所述影像数据进行多焦点采样并转换为多张预定图片格式的图像数据;预处理模块804,用于将所述多张预定图片格式的图像数据进行预处理,其中,所述预处理包括以下至少之一:去除背景处理、降噪处理和细节增强处理;数据融合模块806,用于将预处理后的所述多张预定图片格式的图像数据融合成一张预定图片格式的图像数据;点云生成模块808,用于对所述一张预定图片格式的图像数据进行处理,得到点云数据;距离标定模块810,用于从所述点云数据中提取所述目标物体的特征点云信息,并根据提取的所述特征点云信息,进行特征点距离标定;三维数据获取模块812,用于基于所述特征点距离标定得到的标定距离,对所述点云数据进行合成,得到所述目标物体的三维模型数据。
可选地,所述目标物体包括:人体的面部、虹膜和/或头部;如图10所示,所述装置还可以包括:定位识别模块814,用于对所述影像数据进行解码,生成预定图片格式的图像数据,对所述预定图片格式的图像数据进行定位识别,确定所述人体的面部、虹膜和/或头部在预定的位置。
可选地,如图10所示,所述装置还包括:移动控制模块816,用于在所述定位识别确定所述人体的面部、虹膜和/或头部不在预定的位置的情况下,根据对所述预定图片格式的图像数据进行定位识别的结果,确定承载所述人体的面部、虹膜和/或头部的承载设备需要移动的方向,并向所述承载设备发送控制指令,指示所述承载设备向所述需要移动的方向移动,然后触发所述数据接收模块800重新接收所述光场相机当前对所述目标物体采集到的影像数据。
可选地,确定所述人体的面部、虹膜和/或头部在预定的位置,包括:对所述预定图片格式的图像数据进行定位识别,判断所述预定图片格式的图像数据中的人体的面部和/头部的轮廓是否完整,如果完整,则确定所述人体的面部、虹膜和/或头部在预定的位置。
可选地,所述格式转换模块802还用于在对所述影像数据进行解码时,对所述影像数据进行解码处理,得到视频信号数据,将所述视频信号数据发送到引导显示屏显示。
可选地,所述距离标定模块810按照以下方式进行距离标定:对从所述点云数据进行预处理,其中,所述预处理包括以下至少之一:降噪处理、平滑处理、和可视化处理;从预处理后的所述点云数据中提取所述目标物体的特征点云信息;根据所述特征点云信息,标定特征点的距离,得到所述目标物体的三维模型的基础尺寸。
可选地,如图10所示,所述装置还包括:渲染模块818,用于对所述三维模型数据进行渲染;显示控制模块820,用于将渲染后的所述三维模型数据发送至显示屏显示。
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基于光场相机的四维数据识别方法和装置,采用光场相机对目标物体在给定时间内进行数据采集,以光场相机成像原理为基础,结合数字图像处理技术,对目标物体进行四维数据的采集。由于光场相机基于光场理论,在一个焦距对物体拍照后可以计算出其他焦距的成像情况,无需对焦,也不需要在不同焦距多次拍照,因此,减少了数据采集时间和后期计算的数据量,同时降低操作复杂度。
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)
1.一种基于光场相机的生物特征3D四维数据识别方法,其特征在于,包括如下步骤:
S01.采集生物特征信息,
通过光场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,以实现所述生物体的生物特征3D四维数据采集;
S02.存储生物特征四维数据,
扫描或录入以生物体的身份信息(I1、I2…In),以所述身份信息(I1、I2…In)作为识别标志对采集到的生物特征3D四维数据进行关联存储,形成包括多条生物特征3D四维数据(D1、D2…Dn)的数据库;
S03.目标生物体的身份识别,
采集目标生物体的生物特征3D四维数据(T1、T2…Tn),并扫描或录入所述目标生物体的身份信息(I1、I2…In),通过所述目标生物体的身份信息(I1、I2…In)找到所述数据库中存储的生物特征3D四维数据(D1、D2…Dn),将所述目标生物体的生物特征3D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3D四维数据(D1、D2…Dn)进行比对,以识别目标生物体的身份。
2.根据权利要求1所述的方法,其特征在于,步骤S01还包括:
步骤1,接收光场相机当前对目标物体进行采集得到的在给定时间内的影像数据;
步骤2,对所述影像数据进行多焦点采样并转换为多张预定图片格式的图像数据;
步骤3,将所述多张预定图片格式的图像数据进行预处理,其中,所述预处理包括以下至少之一:去除背景处理、降噪处理和细节增强处理;
步骤4,将预处理后的所述多张预定图片格式的图像数据融合成一张预定图片格式的图像数据,并对该张预定图片格式的图像数据进行处理,得到点云数据;
步骤5,从所述点云数据中提取所述目标物体的特征点云信息,并根据提取的所述特征点云信息,进行特征点距离标定;
步骤6,基于所述特征点距离标定得到的标定距离,对所述点云数据进行合成,得到所述目标物体在给定时间内的三维模型数据。
3.根据权利要求2所述的方法,其特征在于,得到点云数据的步骤进一步包括:
将所述多张预定图片格式的图像数据传送到具有图像处理器GPU和中央处理器CPU的处理单元;将所述多张预定图片格式的图像数据信息分配到GPU的块block中进行运算,并结合CPU的集中调度和分配功能,计算所述多幅生物特征图像各自的特征点。
4.根据权利要求3所述的方法,其特征在于,所述目标物体包括:人体的面部、虹膜和/或头部;在步骤2之前,所述方法还包括:
对所述影像数据进行解码,生成预定图片格式的图像数据,对所述预定图片格式的图像数据进行定位识别,确定所述人体的面部、虹膜和/或头部在预定的位置;
在确定所述人体的面部、虹膜和/或头部不在预定的位置的情况下,所述方法还包括:
根据对所述预定图片格式的图像数据进行定位识别的结果,确定承载所述人体的面部、虹膜和/或头部的承载设备需要移动的方向;
向所述承载设备发送控制指令,指示所述承载设备向所述需要移动的方向移动,返回步骤1;确定所述人体的面部、虹膜和/或头部在预定的位置,包括:对所述预定图片格式的图像数据进行定位识别,判断所述预定图片格式的图像数据中的人体的面部和/头部的轮廓是否完整,如果完整,则确定所述人体的面部、虹膜和/或头部在预定的位置;在对所述影像数据进行解码时,所述方法还包括:对所述影像数据进行解码处理,得到视频信号数据,将所述视频信号数据发送到引导显示屏显示。
5.根据权利要求3所述的方法,其中,所述目标物体包括人体的手部;所述步骤5包括:
对从所述点云数据进行预处理,所述预处理包括以下至少之一:降噪处理、平滑处理和可视化处理;
从预处理后的所述点云数据中提取所述目标物体的特征点云信息;
根据所述特征点云信息,标定特征点的距离,得到所述目标物体在给定时间内的三维模型的基础尺寸;在步骤6之后,所述方法还包括:
对所述四维模型数据进行渲染,将渲染后的所述四维模型数据发送纵显示屏显示。
6.一种基于光场相机的生物特征3D四维数据识别系统,其特征在于,包括如下装置:
生物特征信息采集装置,用于采集生物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,以实现所述生物体的生物特征3D四维数据采集;
生物特征四维数据存储装置,用于扫描或录入生物体的身份信息(I1、I2…In),以生物体的身份信息(I1、I2…In)作为识别标志对采集到的生物特征3D四维数据进行存储,形成包括多条生物特征3D四维数据(D1、D2…Dn)的数据库;
目标生物体的身份识别装置,用于根据扫描或录入目标生物体的身份信息(I1、I2…In)找到所述数据库中存储的生物特征3D四维数据(D1、D2…Dn),并将所述目标生物体的生物特征3D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3D四维数据(D1、D2…Dn)进行比对,以识别目标生物体的身份。
7.根据权利要求6所述的生物特征3D四维数据识别系统,其特征在于,所述生物特征采集装置,包括:
数据接收模块,用于接收光场相机当前对目标物体进行采集得到在给定时间内的影像数据;
格式转换模块,用于对所述影像数据进行多焦点采样并转换为多张预定图片格式的图像数据;
预处理模块,用于将所述多张预定图片格式的图像数据进行预处理,其中,所述预处理包括以下至少之一:去除背景处理、降噪处理和细节增强处理;
数据融合模块,用于将预处理后的所述多张预定图片格式的图像数据融合成一张预定图片格式的图像数据;
点云生成模块,用于对所述一张预定图片格式的图像数据进行处理,得到点云数据;
距离标定模块,用于从所述点云数据中提取所述目标物体的特征点云信息,并根据提取的所述特征点云信息,进行特征点距离标定;
数据获取模块,用于基于所述特征点距离标定得到的标定距离,对所述点云数据进行合成,得到所述目标物体在给定时间内的三维模型数据。
8.根据权利要求6所述的生物特征3D四维数据识别系统,其特征在于,所述目标物体包括:人体的面部、虹膜和/或头部;所述装置还包括:
定位识别模块,用于对所述影像数据进行解码,生成预定图片格式的图像数据,对所述预定图片格式的图像数据进行定位识别,确定所述人体的面部、虹膜和/或头部在预定的位置;
所述生物特征采集装置还包括:移动控制模块,用于在所述定位识别确定所述人体的面部、虹膜和/或头部不在预定的位置的情况下,根据对所述预定图片格式的图像数据进行定位识别的结果,确定承载所述人体的面部、虹膜和/或头部的承载设备需要移动的方向,并向所述承载设备发送控制指令,指示所述承载设备向所述需要移动的方向移动,然后触发所述数据接收模块重新接收所述光场相机当前对所述目标物体采集到的影像数据。
9.根据权利要求8所述的生物特征3D四维数据识别系统,其特征在于,确定所述人体的面部、虹膜和/或头部在预定的位置,包括:对所述预定图片格式的图像数据进行定位识别,判断所述预定图片格式的图像数据中的人体的面部和/头部的轮廓是否完整,如果完整,则确定所述人体的面部、虹膜和/或头部在预定的位置;所述格式转换模块还用于在对所述影像数据进行解码时,对所述影像数据进行解码处理,得到视频信号数据,将所述视频信号数据发送到引导显示屏显示。
10.根据权利要求8所述的生物特征3D四维数据识别系统,其特征在于,所述距离标定模块按照以下方式进行距离标定:
对从所述点云数据进行预处理,其中,所述预处理包括以下至少之一:降噪处理、平滑处理、和可视化处理;
从预处理后的所述点云数据中提取所述目标物体的特征点云信息;
根据所述特征点云信息,标定特征点的距离,得到所述目标物体在给定时间内的三维模型的基础尺寸;
所述生物特征采集装置还包括:
渲染模块,用于对所述三维模型数据进行渲染;
显示控制模块,用于将渲染后的所述三维模型数据发送至显示屏显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810301447.0A CN108550184A (zh) | 2018-04-04 | 2018-04-04 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810301447.0A CN108550184A (zh) | 2018-04-04 | 2018-04-04 | 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 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108550184A true CN108550184A (zh) | 2018-09-18 |
Family
ID=63514046
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810301447.0A Withdrawn CN108550184A (zh) | 2018-04-04 | 2018-04-04 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108550184A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111429528A (zh) * | 2020-04-07 | 2020-07-17 | 高深智图(广州)科技有限公司 | 大型分布式高精地图数据处理系统 |
CN111525958A (zh) * | 2020-04-08 | 2020-08-11 | 湖南大学 | 一种具有数据通信和手势动作识别功能的光相机通信系统 |
US11341224B2 (en) * | 2021-01-29 | 2022-05-24 | Ut Battelle, Llc | Handheld multi-sensor biometric imaging device and processing pipeline |
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 (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105067023A (zh) * | 2015-08-31 | 2015-11-18 | 中国科学院沈阳自动化研究所 | 一种全景三维激光传感器数据校准方法和装置 |
CN106548161A (zh) * | 2016-11-23 | 2017-03-29 | 上海成业智能科技股份有限公司 | 用于户外或光扰条件下人脸识别特征码采集与识别的方法 |
US20170147082A1 (en) * | 2009-09-22 | 2017-05-25 | Facebook, Inc. | Hand tracker for device with display |
-
2018
- 2018-04-04 CN CN201810301447.0A patent/CN108550184A/zh not_active Withdrawn
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170147082A1 (en) * | 2009-09-22 | 2017-05-25 | Facebook, Inc. | Hand tracker for device with display |
CN105067023A (zh) * | 2015-08-31 | 2015-11-18 | 中国科学院沈阳自动化研究所 | 一种全景三维激光传感器数据校准方法和装置 |
CN106548161A (zh) * | 2016-11-23 | 2017-03-29 | 上海成业智能科技股份有限公司 | 用于户外或光扰条件下人脸识别特征码采集与识别的方法 |
Non-Patent Citations (2)
Title |
---|
JIAYONG PENG 等: "LF-Fusion: Dense and Accurate 3D Reconstruction from Light Field Images", 《VCIP 2017》 * |
贾琦: "基于光场相机的子孔径图像提取和人脸检测应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111429528A (zh) * | 2020-04-07 | 2020-07-17 | 高深智图(广州)科技有限公司 | 大型分布式高精地图数据处理系统 |
CN111525958A (zh) * | 2020-04-08 | 2020-08-11 | 湖南大学 | 一种具有数据通信和手势动作识别功能的光相机通信系统 |
CN111525958B (zh) * | 2020-04-08 | 2023-02-03 | 湖南大学 | 一种具有数据通信和手势动作识别功能的光相机通信系统 |
US11341224B2 (en) * | 2021-01-29 | 2022-05-24 | Ut Battelle, Llc | Handheld multi-sensor biometric imaging device and processing pipeline |
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 |
---|---|---|
US20150347833A1 (en) | Noncontact Biometrics with Small Footprint | |
CN108447017A (zh) | 人脸虚拟整容方法和装置 | |
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 | |
US7512255B2 (en) | Multi-modal face recognition | |
US10762704B2 (en) | Method for establishing a deformable 3D model of an element, and associated system | |
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 | |
CN107924579A (zh) | 生成个性化3d头部模型或3d身体模型的方法 | |
WO2015188684A1 (zh) | 三维模型重建方法与系统 | |
CN109766876A (zh) | 非接触式指纹采集装置和方法 | |
CN108416312B (zh) | 一种基于可见光拍照的生物特征3d数据识别方法 | |
KR20170019779A (ko) | 휴대용 카메라를 이용한 3차원 얼굴 모델 획득 방법 및 장치 | |
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 | |
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 | |
CN107564049B (zh) | 人脸模型重建方法、装置以及存储介质、计算机设备 | |
JP6207210B2 (ja) | 情報処理装置およびその方法 | |
CN108319939A (zh) | 一种3d四维头部面部数据识别设备 | |
WO2024007478A1 (zh) | 基于单手机的人体三维建模数据采集与重建方法及系统 | |
CN108470149A (zh) | 一种基于光场相机的3d四维数据采集方法及装置 | |
CN108520230A (zh) | 一种3d四维手部图像数据识别方法及设备 | |
KR20230152149A (ko) | 수술용 트레이와 그 위에 포함된 아이템의 동적 식별을 위한 시스템 및 방법 | |
CN116958420A (zh) | 一种数字人教师三维人脸的高精度建模方法 | |
KR20190069750A (ko) | 2d를 3d로 변환하는 기술과 posit 알고리즘을 이용한 증강현실 표현방법 | |
CN106461982B (zh) | 用于确定至少一个行为参数的方法 | |
CN209401042U (zh) | 非接触式指纹采集装置 | |
CN114972584B (zh) | 一种三维动漫的多维度模型构建方法、系统、设备和产品 |
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: 20180918 |
|
WW01 | Invention patent application withdrawn after publication |