CN110199296A - 人脸识别方法、处理芯片以及电子设备 - Google Patents
人脸识别方法、处理芯片以及电子设备 Download PDFInfo
- Publication number
- CN110199296A CN110199296A CN201980000648.XA CN201980000648A CN110199296A CN 110199296 A CN110199296 A CN 110199296A CN 201980000648 A CN201980000648 A CN 201980000648A CN 110199296 A CN110199296 A CN 110199296A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- face
- image
- characteristic point
- dimensional image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012545 processing Methods 0.000 title claims abstract description 19
- 230000001815 facial effect Effects 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 description 8
- 241000208340 Araliaceae Species 0.000 description 6
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 6
- 235000003140 Panax quinquefolius Nutrition 0.000 description 6
- 235000008434 ginseng Nutrition 0.000 description 6
- 230000006872 improvement Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004215 lattice model Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000001727 in vivo Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请部分实施例提供了一种人脸识别方法、处理芯片以及电子设备。人脸识别方法包括:通过多个摄像头分别采集至少一幅包含人脸的二维图像,并选取任意两个摄像头分别采集的包含人脸的第一二维图像和包含人脸的第二二维图像(101);在第一二维图像中提取人脸的多个特征点的二维坐标,并在第二二维图像中提取多个特征点的二维坐标(102);根据任意两个摄像头的预设参数,以及第一二维图像与第二二维图像上各特征点的二维坐标,得到人脸对应的三维网格模型(103);根据三维网格模型与预设用户的三维人脸模型,确定人脸是否为预设用户的三维人脸(104)。采用本申请的实施例,能够避免二维图片通过人脸识别验证,提升了人脸识别的安全性。
Description
技术领域
本申请涉及图像识别技术领域,特别涉及一种人脸识别方法、处理芯片以及电子设备。
背景技术
随着以手机为代表的智能终端的飞速发展,人脸识别技术在各种智能终端上的使用也越来越广泛,用户可以通过人脸识别来完成解锁终端、支付等操作。
发明人发现现有技术至少存在以下问题:目前,在终端进行人脸识别时,一般无法识别出当前的人脸图像时来自用户照片还是用户本人,从而会出现用户图片通过人脸识别认证的情况,安全性较低。
发明内容
本申请部分实施例的目的在于提供一种人脸识别方法、处理芯片以及电子设备,能够识别人脸是否为预设用户,并确定人脸是否为三维人脸,避免二维图片通过人脸识别验证,提升了人脸识别的安全性。
本申请实施例提供了一种人脸识别方法,包括:通过多个摄像头分别采集至少一幅包含人脸的二维图像,并选取任意两个摄像头分别采集的包含人脸的第一二维图像和包含人脸的第二二维图像;在第一二维图像中提取人脸的多个特征点的二维坐标,并在第二二维图像中提取多个特征点的二维坐标;根据任意两个摄像头的预设参数,以及第一二维图像与第二二维图像上各特征点的二维坐标,得到人脸对应的三维网格模型;根据三维网格模型与预设用户的三维人脸模型,确定人脸是否为预设用户的三维人脸。
本申请实施例还提供了一种处理芯片,处理芯片与至少一存储器连接,处理芯片与多个摄像头连接,存储器存储有可被处理芯片执行的指令,指令被处理芯片执行,以使处理芯片能够执行上述的人脸识别方法。
本申请实施例还提供了一种电子设备,包括上述的处理芯片、至少一存储器,以及多个摄像头。
本申请实施例现对于现有技术而言,分别通过多个摄像头采集至少一幅包含人脸的二维图像,每个二维图像上包括人脸的多个特征点,选取任意两个摄像头分别采集的包含人脸的第一二维图像和包含人脸的第二二维图像,并在第一二维图像和第二二维图像上提取多个特征点的二维坐标;继而根据两个摄像头的预设参数,以及第一二维图像和第二二维图像上各特征点的二维坐标,得到人脸对应的三维网格模型,从而可以将三维网格模型与预设用户的三维人脸模型进行对比,确定人脸是否为预设用户的三维人脸,即利用人脸的二维图像对应的三维网格模型进行人脸识别,能够识别该人脸是否属于预设用户,并确定该人脸是否为三维人脸,避免二维图片通过人脸识别验证,提升了人脸识别的安全性。
例如,在根据三维网格模型与预设用户的三维人脸模型,确定人脸是否为预设用户的三维人脸之后,还包括:根据多帧三维网格模型,确定人脸是否为预设用户的活体人脸。本实施例中,对人脸进行活体检测,能够验证人脸是否为预设用户的活体人脸,避免预设用户的人脸模型通过人脸识别的验证。
例如,根据多帧三维网格模型,确定人脸是否为预设用户的活体人脸,包括:选取两帧三维网格模型,并计算两帧三维网格模型上多个网格中对应的网格之间的形变量;若至少一形变量大于或等于预设的形变阈值,确定人脸是预设用户的活体人脸。本实施例提供了一种根据连续多帧人脸三维网格模型,确定人脸是否为预设用户的活体人脸的具体实现方式。
例如,在根据任意两个摄像头的预设参数,以及第一二维图像与第二二维图像上各特征点的二维坐标,得到人脸对应的三维网格模型之前,还包括:根据至少一幅二维图像与预设用户的二维人脸图像,确定二维图像是否来源于预设用户;若确定人脸来源于预设用户,进入根据任意两个摄像头的预设参数,以及第一二维图像与第二二维图像上各特征点的二维坐标,得到人脸对应的三维网格模型的步骤。本实施例增加了利用二维图像进行人脸识别,二维图像的人脸识别速度较快,从而提升了非预设用户的人脸识别速度。
例如,根据三维网格模型与预设用户的三维人脸模型,确定人脸是否为预设用户的三维人脸,包括:计算三维网格模型上各网格之间的相对位置参数;判断三维网格模型上的各相对位置参数与预设的三维人脸模型上对应的相对位置参数是否均匹配;若三维网格模型上的各相对位置参数与预设的三维人脸模型上对应的相对位置参数均匹配,确定人脸是预设用户的三维人脸。本实施例提供了一种根据三维网格模型与预设用户的三维人脸模型,确定人脸是否为预设用户的三维人脸的具体实现方式。
例如,根据任意两个摄像头的预设参数,以及第一二维图像与第二二维图像上各特征点的二维坐标,得到人脸对应的三维网格模型,包括:根据任意两个摄像头的预设参数,以及第一二维图像与第二二维图像上各特征点的二维坐标,计算各特征点的三维坐标;根据各特征点的三维坐标,构建人脸图像对应的三维网格模型。本实施例提供了一种根据任意两个摄像头的预设参数,以及第一二维图像与第二二维图像上各特征点的二维坐标,得到人脸对应的三维网格模型的具体实现方式。
例如,在根据任意两个摄像头的预设参数,以及第一二维图像与第二二维图像上各特征点的二维坐标,计算各特征点的三维坐标之前,还包括:利用窗口匹配函数及预设用户的二维人脸图像对第一二维图像与第二二维图像上各特征点的二维坐标进行修正;根据任意两个摄像头的预设参数,以及第一二维图像与第二二维图像上各特征点的二维坐标,计算各特征点的三维坐标,具体为:根据任意两个摄像头的预设参数,以及修正后的第一二维图像与第二二维图像上各特征点的二维坐标,获取各特征点的三维坐标。本实施例中,对第一二维图像与第二二维图像上各特征点的二维坐标进行修正,以使获取的各特征点的三维坐标更加精确,从而获取更精确的三维网格模型,提升了人脸识别的准确度。
例如,利用窗口匹配函数及预设用户的二维人脸图像对第一二维图像与第二二维图像上各特征点的二维坐标进行修正,包括:对于每个特征点,分别在第一二维图像与第二二维图像上设定包括特征点的窗口区域;分别在第一二维图像的窗口区域与第二二维图像的窗口区域中搜寻与二维人脸图像上的特征点匹配的点,记作精确特征点;将第一二维图像上的精确特征点的二维坐标作为修正后的第一二维图像上的特征点的二维坐标,并将第二二维图像上的精确特征点的二维坐标为修正后的第二二维图像上的特征点的二维坐标。本实施例提供了一种利用窗口匹配函数及预设用户的二维人脸图像对第一二维图像与第二二维图像上各特征点的二维坐标进行修正的具体实现方式。
例如,分别在第一二维图像的窗口区域与第二二维图像的窗口区域中搜寻与二维人脸图像上的特征点匹配的点,包括:对于每个窗口区域,根据特征点在预设二维人脸图像上的灰度值以及窗口区域内的各点的灰度值,得到窗口区域内的各点与二维人脸图像上的特征点之间的匹配度;根据窗口区域内的各点与二维人脸图像上的特征点之间的匹配度,获取窗口区域内与二维人脸图像上的特征点匹配的点。本实施例提供了一种分别在第一二维图像的窗口区域与第二二维图像的窗口区域中搜寻与二维人脸图像上的特征点匹配的点的具体实现方式。
例如,在根据三维网格模型与预设用户的三维人脸模型,确定人脸是否为预设用户的三维人脸,包括:将三维网格模型对应的人脸姿态矫正到预设姿态;根据预设姿态的三维网格模型与预设用户的三维人脸模型,确定人脸是否为预设用户的三维人脸。本实施例中,将三维网格模型对应的人脸姿态矫正到预设姿态,以便于与三维人脸模型进行对比,提升人脸识别准确度。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1是根据本申请第一实施例中的人脸识别方法的具体流程图;
图2是根据本申请第二实施例中的人脸识别方法的具体流程图;
图3是根据本申请第三实施例中的人脸识别方法的具体流程图;
图4是根据本申请第四实施例中的人脸识别方法的具体流程图;
图5是根据本申请第五实施例中的人脸识别方法的具体流程图;
图6是根据本申请第六实施例中的人脸识别方法的具体流程图;
图7是根据本申请第七实施例中的人脸识别方法的具体流程图;
图8是根据本申请第七实施例中的窗口区域的示意图;
图9是根据本申请第八实施例中的人脸识别方法的具体流程图;
图10是根据本申请第九实施例中的处理芯片与第十实施例中主控设备的示意图。
具体实施例
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请部分实施例进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请第一实施例涉及一种人脸识别方法,应用于包含多个摄像头的电子设备,电子设备例如为手机、平板电脑等。
本实施例的人脸识别方式的具体流程如图1所示。
步骤101,通过多个摄像头分别采集至少一幅包含人脸的二维图像,并选取任意两个摄像头分别采集的包含人脸的第一二维图像和包含人脸的第二二维图像。
具体而言,用户使用电子设备的过程中,在解锁屏幕、支付验证等场景需要进行人脸识别验证,此时分别通过电子设备的多个摄像头采集至少一幅包含人脸的二维图像,其中多个摄像头可以同步进行采集,即可以在同一时刻通过多个摄像头同步采集多张人脸图像,在选取多个摄像头中的任意两个摄像头采集的两幅二维图像,分别为第一二维图像和第二二维图像;在选定多个摄像头中的任意两个摄像头采集的两幅二维图像时,可以选定任意两个摄像头采集的同一时刻的两幅二维图像。
步骤102,在第一二维图像中提取人脸的多个特征点的二维坐标,并在第二二维图像中提取多个特征点的二维坐标。
具体而言,电子设备内部预设了人脸上哪些位置作为特征点,人脸上设定有对应于多个位置的多个特征点,特征点例如为眼睛、眼角、鼻头、嘴角等;继而,可以分别在第一二维图像与第二二维图像上提取人脸的多个特征点的二维坐标。以第一二维图像为例,以第一二维脸图像的一个角点作为原点建立坐标系,以像素作为单位,获取第一二维脸图像上各特征点的像素坐标作为各特征点的二维坐标。
步骤103,根据任意两个摄像头的预设参数,以及第一二维图像与第二二维图像上各特征点的二维坐标,得到人脸对应的三维网格模型。
具体而言,两个摄像头的预设参数包括两个摄像头的内参、两个摄像头之间的外参,内参包括摄像头本身的焦距、成像参数、主点中心等,外参包括两个摄像头标定后的坐标关系,包括平移矩阵和旋转矩阵等,根据两个摄像头的预设参数,以及第一二维图像与第二二维图像上各特征点的二维坐标,能够得到人脸对应一帧三维网格模型。
步骤104,根据三维网格模型与预设用户的三维人脸模型,确定人脸是否为预设用户的三维人脸。
具体而言,电子设备中存储有预设用户录入的三维人脸模型,将人脸对应的三维网格模型与预设用户的三维人脸模型进行对比,判断三维网格模型与三维人脸模型是否匹配,当二者匹配时,说明该人脸是预设用户的三维人脸;当二者不匹配时,说明该人脸并不是预设用户的三维人脸,即该人脸可能是非预设用户的人脸和/或是二维图片。
本实施例相对于现有技术而言,分别通过多个摄像头采集至少一幅包含人脸的二维图像,每个二维图像上包括人脸的多个特征点,选取任意两个摄像头分别采集的包含人脸的第一二维图像和包含人脸的第二二维图像,并在第一二维图像和第二二维图像上提取多个特征点的二维坐标;继而根据两个摄像头的预设参数,以及第一二维图像和第二二维图像上各特征点的二维坐标,得到人脸对应的三维网格模型,从而可以将三维网格模型与预设用户的三维人脸模型进行对比,确定人脸是否为预设用户的三维人脸,即利用人脸的二维图像对应的三维网格模型进行人脸识别,能够识别该人脸是否属于预设用户,并确定该人脸是否为三维人脸,避免二维图片通过人脸识别验证,提升了人脸识别的安全性。
本申请第二实施例涉及一种人脸识别方法,本实施例是在第一实施例基础上的改进,主要改进之处在于:增加了人脸的活体检测。
本实施例的人脸识别方式的具体流程如图2所示。
其中,步骤201至步骤204与步骤101至步骤104大致相同,在此不再赘述,主要不同之处在于增加了步骤205,具体如下:
步骤205,根据多帧三维网格模型,确定人脸是否为预设用户的活体人脸。
具体而言,可以选定任意两个摄像头采集的同一时刻的两幅人脸图像,来获取一幅三维网格模型,从而能够获取多个时刻的多帧三维网格模型,将多个时刻的多帧三维网格模型进行对比,可以确定人脸是否为预设用户的活体人脸;由于活体人脸一般均存在细微的表情变化,例如眨眼,嘴角变化等,当多帧三维网格模型完全一致时,说明二维图像可能来源于预设用户的人脸模型;当多幅三维网格模型并非完全一致时,说明人脸是预设用户的活体人脸。
本实施例相对于第一实施例而言,对人脸进行活体检测,能够验证人脸是否为预设用户的活体人脸,避免预设用户的人脸模型通过人脸识别的验证。
本申请第三实施例涉及一种人脸识别方法,本实施例是在第二实施例基础上的细化,主要细化之处在于:提供了一种根据多帧三维网格模型,确定人脸是否为预设用户的活体人脸的具体实现方式。
本实施例的人脸识别方式的具体流程如图3所示。
其中,步骤301至步骤304与步骤201至步骤204大致相同,在此不再赘述,主要不同之处在于,步骤305,包括以下子步骤:
子步骤3051,选取两帧三维网格模型,并计算两帧三维网格模型上多个网格中对应的网格之间的形变量。
具体而言,三维网格模型将人脸分为了多个网格,从多帧三维网格模型中任意选取两帧三维网格模型,计算这两帧三维网格模型上多个网格中对应的两个网格之间的形变量,具体的,可以根据对应的两个网格的各顶点的坐标,来计算这两个网格之间的形变量,从而能够得到多个形变量。
子步骤3052,若至少一形变量大于或等于预设的形变阈值,确定人脸是预设用户的活体人脸。
具体而言,判断是否存在至少一形变量大于或等于预设的形变阈值,若存在至少一形变量大于或等于预设的形变阈值,则说明这两幅三维网格模型并非完全一致,人脸是预设用户的活体人脸。若所有的形变量均小于预设的形变阈值,说明这两帧三维网格模型完全一致,人脸可能是预设用户的人脸模型。
需要说明的是,本实施例中,选取两帧人脸网格模型进行对比,然不限于此,可以将多帧人脸网格模型两两分别进行对比,可以使得确定人脸是否为预设用户的活体人脸的结果更加准确。
本实施例相对于第二实施例而言,提供了一种根据多帧三维网格模型,确定人脸是否为预设用户的活体人脸的具体实现方式。
本申请第四实施例涉及一种人脸识别方法,本实施例是在第一实施例基础上的改进,主要改进之处在于:增加了根据二维人脸图像与至少一帧预设用户人脸图像进行比对,确定人脸是否为预设用户的步骤。
本实施例的人脸识别方式的具体流程如图4所示。
其中,步骤401、步骤402与步骤101、步骤102大致相同,步骤404、步骤405与步骤103、步骤104大致相同,在此不再赘述,主要不同之处在于,增加了步骤403,具体如下:
步骤403,根据至少一幅二维图像与预设用户的二维人脸图像,确定二维图像是否来源于预设用户。若是,则进入步骤403;若否,则直接结束。
具体而言,选取多个摄像头采集的多幅包含人脸的二维图像中的至少一幅二维图像,根据该二维图像中的各特征点的二维坐标,计算出该二维图像的特征值,特征值例如为特征向量,电子设备中预先录入有预设用户的二维人脸图像,从而能够计算出该二维人脸图像的特征值并存储,将二维图像的特征值与预设用户的二维人脸图像的特征值进行对比,当二者相比配时,确定二维图像来源于预设用户,进入步骤404根据任意两个摄像头的预设参数,以及第一二维图像与第二二维图像上各特征点的二维坐标,得到人脸对应的三维网格模型;当二者不匹配时,确定二维图像并非来源于预设用户,直接结束。其中,也可以将多个摄像头采集的多幅二维图像均进行上述是否来源于预设用户的判断。
本实施例相对于第一实施例而言,增加了利用二维图像进行人脸识别,二维图像的人脸识别速度较快,从而提升了非预设用户的人脸识别速度。本实施例也可以作为在第二或第三实施例基础上的改进,可以达到同样的技术效果。
本申请第五实施例涉及一种人脸识别方法,本实施例是在第一实施例基础上的细化,主要细化之处在于:提供了一种根据三维网格模型与预设用户的三维人脸模型,确定人脸是否为预设用户的三维人脸的具体实现方式。
本实施例的人脸识别方式的具体流程如图5所示。
其中,步骤501至步骤503与步骤101至步骤103大致相同,在此不再赘述,主要不同之处在于,步骤504,包括以下子步骤:
子步骤5041,计算三维网格模型上各网格之间的相对位置参数。
具体而言,三维网格模型上包括N个网格,N为大于1的正整数,以N=5为例,三维网格模型上包括5个网格,分别为网格1、网格2、网格3、网格4、网格5,计算三维网格模型上各网格之间的相对位置参数,即分别计算三维网格模型上任意两个网格之间的相对位置参数,在一个例子中,可以仅计算三维网格模型上相邻的两个网格之间的相对位置参数,相对位置参数例如为两个网格之间夹角、中心点之间的距离等。
子步骤5042,若三维网格模型上的各相对位置参数与预设的三维人脸模型上对应的相对位置参数均匹配,确定人脸是预设用户的三维人脸。
具体而言,电子设备中预存有预设用户的三维人脸模型上各网格之间的相对位置参数,判断三维网格模型上的各相对位置参数与预设的三维人脸模型上对应的相对位置参数是否均匹配,举例来说,三维网格模型上网格1与网格2之间的相对位置参数为A,三维人脸模型上网格1与网格2之间的相对位置参数为B,若A与B的差值的绝对值在预设范围内时,判定相对位置参数A与相对位置参数B相匹配,当三维网格模型上的各相对位置参数与三维人脸模型上对应的相对位置参数均匹配时,确定人脸是预设用户的三维人脸。当存在至少一个三维网格模型上的相对位置参数与三维人脸模型上对应的相对位置参数不匹配时,确定人脸不是预设用户的三维人脸,该人脸图像可能是非预设用户的人脸和/或是二维图片。
本实施例中,还可以设定一个匹配数量阈值,当三维网格模型上与三维人脸模型上不匹配的相对位置参数的数量小于匹配数量阈值时,确定人脸是预设用户的三维人脸;当三维网格模型上与三维人脸模型上不匹配的相对位置参数的数量大于或等于匹配数量阈值时,确定人脸图像不是预设用户的三维人脸。
本实施例相对于第一实施例而言,根据三维网格模型与预设用户的三维人脸模型,确定人脸是否为预设用户的三维人脸的具体实现方式。本实施例也可以作为在第二至第四实施例基础上的细化,可以达到同样的技术效果。
本申请第六实施例涉及一种人脸识别方法,本实施例是在第一实施例基础上的细化,主要细化之处在于:提供了一种根据任意两个摄像头的预设参数,以及第一二维图像与第二二维图像上各特征点的二维坐标,得到人脸对应的三维网格模型的具体实现方式。
本实施例的人脸识别方式的具体流程如图6所示。
其中,步骤601、步骤602、步骤604与步骤101、步骤102、步骤104大致相同,在此不再赘述,主要不同之处在于,步骤603,包括以下子步骤:
子步骤6031,根据任意两个摄像头的预设参数,以及第一二维图像与第二二维图像上各特征点的二维坐标,计算各特征点的三维坐标。
具体而言,两个摄像头的预设参数包括两个摄像头的内参、两个摄像头之间的外参,内参包括摄像头本身的焦距、成像参数、主点中心等,外参包括两个摄像头标定后的坐标关系,包括平移矩阵和旋转矩阵等,根据两个摄像头的预设参数,以及第一二维图像与第二二维图像上各特征点的二维坐标,能够计算得到各特征点的三维坐标。
子步骤6032,根据各特征点的三维坐标,构建人脸图像对应的三维网格模型。
具体而言,根据各特征点的三维坐标,可以得到空间中的一个点集,然后构建出一个三维网格模型,网格可以为三角形网格、四边形网格等,以三维网格模型中网格为三角形网格为例,采用Delaunay方法进行三角形剖分,从而可以以最近的三个点形成三角形,并且多个三角形的各边均不相交,剖分后形成了具有多边形的外壳,构建出了人脸图像对应的三角网格模型。
本实施例相对于第一实施例而言,提供了一种根据任意两个摄像头的预设参数,以及第一二维图像与第二二维图像上各特征点的二维坐标,得到人脸对应的三维网格模型的具体实现方式。本实施例也可以作为在第二至第五实施例基础上的细化,可以达到同样的技术效果。
本申请第七实施例涉及一种人脸识别方法,本实施例是在第六实施例基础上的改进,主要改进之处在于:增加了对第一二维图像与第二二维图像上各特征点的二维坐标的修正。
本实施例的人脸识别方式的具体流程如图7所示。
其中,步骤601、步骤602、步骤604与步骤101、步骤102、步骤104大致相同,在此不再赘述,主要不同之处在于,在步骤703中增加了子步骤7031,具体如下:
子步骤7031,利用窗口匹配函数及预设用户的二维人脸图像对第一二维图像与第二二维图像上各特征点的二维坐标进行修正。
具体而言,以人脸上设定有六个特征点、对第一二维图像上各特征点的二维坐标进行修正为例,六个特征点分别为特征点1、特征点2、特征点3、特征点4、特征点5、特征点6,在对第一二维图像上的各特征点的二维坐标进行修正时,以特征点1为例,在第一二维图像上设定包括特征点1的窗口区域,可以以特征点1为中心外扩至少一个像素点,从而可以得到一个窗口区域,以外扩一个像素点为例,可以得到如图8所示的窗口区域,该窗口区域包括9个点(包含特征点1),然后在这个窗口区域的9个点中搜寻与预设用户的二维人脸图像上的特征点1匹配的点,记作精确特征点1;然后,再将精确特征点1的二维坐标,作为修正后的第一二维图像上的特征点1的二维坐标,其他特征点的修正方式与上类似;对第二二维图像上各特征点的二维坐标进行修正的方式与上述的类似,在此不再赘述
本实施例中,以在第一二维图像的窗口区域中搜寻与预设用户的二维人脸图像上的特征点匹配的点为例,搜索方式为:以特征点1为例,取第一二维人脸图像上特征点1的窗口,以图8所示的窗口区域为例,依次以窗口内各点为中心取某一尺寸窗口;以预设用户的二维人脸图像上的特征点1为中心取相同尺寸的窗口,计算两个窗口灰度之间的匹配度,因此得到匹配度D1至D9,匹配度可以为相似度、比值等,根据窗口区域内各点与预设用户的二维人脸图像上的特征点1之间的匹配度,可以得到窗口区域内与预设用户的二维人脸图像上的特征点1匹配的点,可以将D1至D9中匹配度值最大的点作为窗口区域内与预设用户的二维人脸图像上的特征点1匹配的点。
子步骤7032,根据任意两个摄像头的预设参数,以及修正后的第一二维图像与第二二维图像上各特征点的二维坐标,获取各特征点的三维坐标。
具体而言,与子步骤6031大致相同,主要不同在于以修正后的第一二维图像与第二二维图像上各特征点的二维坐标,来计算各特征点的三维坐标。
子步骤7033,根据各特征点的三维坐标,构建人脸图像对应的三维网格模型。
具体而言,与子步骤6032大致相同,在此不再赘述。
本实施例相对于第六实施例而言,对第一二维图像与第二二维图像上各特征点的二维坐标进行修正,以使获取的各特征点的三维坐标更加精确,从而获取更精确的三维网格模型,提升了人脸识别的准确度。
本申请第八实施例涉及一种人脸识别方法,本实施例是在第一实施例基础上的改进,主要改进之处在于:对获取的三维网格模型对应的人脸姿态进行矫正。
本实施例的人脸识别方式的具体流程如图9所示。
其中,步骤801至步骤803与步骤101至步骤103大致相同,在此不再赘述,主要不同之处在于,步骤804,包括以下子步骤:
子步骤8041,将三维网格模型对应的人脸姿态矫正到预设姿态。
具体而言,在进行人脸识别时,当前用户可能不是以预设姿态来对准摄像头,因此,得到的三维网格模型对应的人脸姿态也不是预设姿态,此时对三维网格模型对应的人脸姿态进行矫正,得到预设姿态的三维网格模型。其中,预设姿态与预设用户录入的三维人脸模型对应的人脸姿态相一致,例如用户录入三维人脸模型是正对摄像头的,则预设姿态为正对摄像头,此时三维网格模型与三维人脸模型的姿态相一致,更便于进行对比。
子步骤8042,根据预设姿态的三维网格模型与预设用户的三维人脸模型,确定人脸是否为预设用户的三维人脸。
具体而言,电子设备中存储有预设用户录入的三维人脸模型,将预设姿态的三维网格模型与预设用户的三维人脸模型进行对比,判断三维网格模型与三维人脸模型是否匹配,当二者匹配时,说明该人脸是预设用户的三维人脸;当二者不匹配时,说明该人脸并不是预设用户的三维人脸,即该人脸可能是非预设用户的人脸和/或是二维图片。
本实施例相对于第一实施例而言,将三维网格模型对应的人脸姿态矫正到预设姿态,以便于与三维人脸模型进行对比,提升人脸识别准确度。本实施例也可以作为在第二至第七实施例基础上的改进,可以达到同样的技术效果。
本申请第九实施例涉及一种处理芯片,如图10所示,处理芯片110与至少一存储器111连接,处理芯片110还连接于多个摄像头112,存储器111存储有可被处理芯片110执行的指令,指令被处理芯片110执行,以使处理芯片110能够执行上述方法实施例。
本申请第十实施例涉及一种主控设备,请参考图10,主控设备包括上述处理芯片110、至少一存储器111以及多个摄像头112。
本领域的普通技术人员可以理解,上述各实施例是实现本申请的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本申请的精神和范围。
Claims (12)
1.一种人脸识别方法,其特征在于,包括:
通过多个摄像头分别采集至少一幅包含人脸的二维图像,并选取任意两个所述摄像头分别采集的包含所述人脸的第一二维图像和包含所述人脸的第二二维图像;
在所述第一二维图像中提取所述人脸的多个特征点的二维坐标,并在所述第二二维图像中提取所述多个特征点的二维坐标;
根据所述任意两个所述摄像头的预设参数,以及所述第一二维图像与所述第二二维图像上各所述特征点的二维坐标,得到所述人脸对应的三维网格模型;
根据所述三维网格模型与预设用户的三维人脸模型,确定所述人脸是否为所述预设用户的三维人脸。
2.如权利要求1所述的人脸识别方法,其特征在于,在所述根据所述三维网格模型与预设用户的三维人脸模型,确定所述人脸是否为所述预设用户的三维人脸之后,还包括:
根据多帧所述三维网格模型,确定所述人脸是否为所述预设用户的活体人脸。
3.如权利要求2所述的人脸识别方法,其特征在于,所述根据多帧所述三维网格模型,确定所述人脸是否为所述预设用户的活体人脸,包括:
选取两帧所述三维网格模型,并计算所述两帧所述三维网格模型上多个网格中对应的所述网格之间的形变量;
若至少一所述形变量大于或等于预设的形变阈值,确定所述人脸是所述预设用户的活体人脸。
4.如权利要求1所述的人脸识别方法,其特征在于,在所述根据所述任意两个所述摄像头的预设参数,以及所述第一二维图像与所述第二二维图像上各所述特征点的二维坐标,得到所述人脸对应的三维网格模型之前,还包括:
根据至少一幅所述二维图像与所述预设用户的二维人脸图像,确定所述二维图像是否来源于所述预设用户;
若确定所述人脸来源于所述预设用户,进入所述根据所述任意两个所述摄像头的预设参数,以及所述第一二维图像与所述第二二维图像上各所述特征点的二维坐标,得到所述人脸对应的三维网格模型的步骤。
5.如权利要求1所述的人脸识别方法,其特征在于,所述根据所述三维网格模型与预设用户的三维人脸模型,确定所述人脸是否为所述预设用户的三维人脸,包括:
计算所述三维网格模型上各网格之间的相对位置参数;
判断所述三维网格模型上的各所述相对位置参数与预设的所述三维人脸模型上对应的所述相对位置参数是否均匹配;
若所述三维网格模型上的各所述相对位置参数与预设的所述三维人脸模型上对应的所述相对位置参数均匹配,确定所述人脸是所述预设用户的三维人脸。
6.如权利要求1所述的人脸识别方法,其特征在于,所述根据所述任意两个所述摄像头的预设参数,以及所述第一二维图像与所述第二二维图像上各所述特征点的二维坐标,得到所述人脸对应的三维网格模型,包括:
根据所述任意两个所述摄像头的预设参数,以及所述第一二维图像与所述第二二维图像上各所述特征点的二维坐标,计算各所述特征点的三维坐标;
根据各所述特征点的三维坐标,构建所述人脸图像对应的所述三维网格模型。
7.如权利要求6所述的人脸识别方法,其特征在于,在所述根据所述任意两个所述摄像头的预设参数,以及所述第一二维图像与所述第二二维图像上各所述特征点的二维坐标,计算各所述特征点的三维坐标之前,还包括:
利用窗口匹配函数及所述预设用户的二维人脸图像对所述第一二维图像与所述第二二维图像上各所述特征点的二维坐标进行修正;
所述根据所述任意两个所述摄像头的预设参数,以及所述第一二维图像与所述第二二维图像上各所述特征点的二维坐标,计算各所述特征点的三维坐标,具体为:
根据所述任意两个所述摄像头的预设参数,以及修正后的所述第一二维图像与所述第二二维图像上各所述特征点的二维坐标,获取各所述特征点的三维坐标。
8.如权利要求7所述的人脸识别方法,其特征在于,所述利用窗口匹配函数及所述预设用户的二维人脸图像对所述第一二维图像与所述第二二维图像上各所述特征点的二维坐标进行修正,包括:
对于每个所述特征点,分别在所述第一二维图像与所述第二二维图像上设定包括所述特征点的窗口区域;
分别在所述第一二维图像的窗口区域与所述第二二维图像的窗口区域中搜寻与所述二维人脸图像上的所述特征点匹配的点,记作精确特征点;
将所述第一二维图像上的精确特征点的二维坐标作为修正后的所述第一二维图像上的所述特征点的二维坐标,并将所述第二二维图像上的精确特征点的二维坐标为修正后的所述第二二维图像上的所述特征点的二维坐标。
9.如权利要求8所述的人脸识别方法,其特征在于,所述分别在所述第一二维图像的窗口区域与所述第二二维图像的窗口区域中搜寻与所述二维人脸图像上的所述特征点匹配的点,包括:
对于每个所述窗口区域,根据所述特征点在所述预设二维人脸图像上的灰度值以及所述窗口区域内的各点的灰度值,得到所述窗口区域内的各点与所述二维人脸图像上的所述特征点之间的匹配度;
根据所述窗口区域内的各点与所述二维人脸图像上的所述特征点之间的匹配度,获取所述窗口区域内与所述二维人脸图像上的所述特征点匹配的点。
10.如权利要求1所述的人脸识别方法,其特征在于,在所述根据所述三维网格模型与预设用户的三维人脸模型,确定所述人脸是否为所述预设用户的三维人脸,包括:
将所述三维网格模型对应的人脸姿态矫正到预设姿态;
根据所述预设姿态的所述三维网格模型与所述预设用户的所述三维人脸模型,确定所述人脸是否为所述预设用户的三维人脸。
11.一种处理芯片,其特征在于,所述处理芯片与至少一存储器连接,所述处理芯片与多个摄像头连接,所述存储器存储有可被所述处理芯片执行的指令,所述指令被所述处理芯片执行,以使所述处理芯片能够执行如权利要求1至10中任一项所述的人脸识别方法。
12.一种电子设备,其特征在于,包括权利要求11所述的处理芯片、至少一存储器,以及多个摄像头。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2019/084338 WO2020215283A1 (zh) | 2019-04-25 | 2019-04-25 | 人脸识别方法、处理芯片以及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110199296A true CN110199296A (zh) | 2019-09-03 |
Family
ID=67756155
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980000648.XA Pending CN110199296A (zh) | 2019-04-25 | 2019-04-25 | 人脸识别方法、处理芯片以及电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110199296A (zh) |
WO (1) | WO2020215283A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111837133A (zh) * | 2020-03-25 | 2020-10-27 | 深圳市汇顶科技股份有限公司 | 数据采集装置、人脸识别装置、设备、方法及存储介质 |
CN111898553A (zh) * | 2020-07-31 | 2020-11-06 | 成都新潮传媒集团有限公司 | 一种判别虚像人员的方法、装置及计算机设备 |
CN112997185A (zh) * | 2019-09-06 | 2021-06-18 | 深圳市汇顶科技股份有限公司 | 人脸活体检测方法、芯片及电子设备 |
CN113326814A (zh) * | 2021-02-22 | 2021-08-31 | 王先峰 | 一种基于5g架构的人脸识别设备 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112528902B (zh) * | 2020-12-17 | 2022-05-24 | 四川大学 | 一种基于3d人脸模型的视频监控动态人脸识别方法及装置 |
CN112906468A (zh) * | 2021-01-15 | 2021-06-04 | 扬州哈工科创机器人研究院有限公司 | 一种基于图像识别技术的森林林木资源调查方法 |
CN113205090B (zh) * | 2021-04-29 | 2023-10-24 | 北京百度网讯科技有限公司 | 图片矫正方法、装置、电子设备及计算机可读存储介质 |
CN113673374B (zh) * | 2021-08-03 | 2024-01-30 | 支付宝(杭州)信息技术有限公司 | 一种面部识别方法、装置及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105095715A (zh) * | 2015-06-30 | 2015-11-25 | 国网山东莒县供电公司 | 一种电力系统网络的身份认证方法 |
CN107392137A (zh) * | 2017-07-18 | 2017-11-24 | 艾普柯微电子(上海)有限公司 | 人脸识别方法及装置 |
CN107437067A (zh) * | 2017-07-11 | 2017-12-05 | 广东欧珀移动通信有限公司 | 人脸活体检测方法及相关产品 |
CN107545220A (zh) * | 2016-06-29 | 2018-01-05 | 中兴通讯股份有限公司 | 一种人脸识别方法及装置 |
CN108549873A (zh) * | 2018-04-19 | 2018-09-18 | 北京华捷艾米科技有限公司 | 三维人脸识别方法和三维人脸识别系统 |
CN109558764A (zh) * | 2017-09-25 | 2019-04-02 | 杭州海康威视数字技术股份有限公司 | 人脸识别方法及装置、计算机设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109145750A (zh) * | 2018-07-23 | 2019-01-04 | 华迅金安(北京)科技有限公司 | 一种驾驶员身份快速认证方法及系统 |
CN109670487A (zh) * | 2019-01-30 | 2019-04-23 | 汉王科技股份有限公司 | 一种人脸识别方法、装置及电子设备 |
-
2019
- 2019-04-25 WO PCT/CN2019/084338 patent/WO2020215283A1/zh active Application Filing
- 2019-04-25 CN CN201980000648.XA patent/CN110199296A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105095715A (zh) * | 2015-06-30 | 2015-11-25 | 国网山东莒县供电公司 | 一种电力系统网络的身份认证方法 |
CN107545220A (zh) * | 2016-06-29 | 2018-01-05 | 中兴通讯股份有限公司 | 一种人脸识别方法及装置 |
CN107437067A (zh) * | 2017-07-11 | 2017-12-05 | 广东欧珀移动通信有限公司 | 人脸活体检测方法及相关产品 |
CN107392137A (zh) * | 2017-07-18 | 2017-11-24 | 艾普柯微电子(上海)有限公司 | 人脸识别方法及装置 |
CN109558764A (zh) * | 2017-09-25 | 2019-04-02 | 杭州海康威视数字技术股份有限公司 | 人脸识别方法及装置、计算机设备 |
CN108549873A (zh) * | 2018-04-19 | 2018-09-18 | 北京华捷艾米科技有限公司 | 三维人脸识别方法和三维人脸识别系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112997185A (zh) * | 2019-09-06 | 2021-06-18 | 深圳市汇顶科技股份有限公司 | 人脸活体检测方法、芯片及电子设备 |
CN111837133A (zh) * | 2020-03-25 | 2020-10-27 | 深圳市汇顶科技股份有限公司 | 数据采集装置、人脸识别装置、设备、方法及存储介质 |
WO2021189303A1 (zh) * | 2020-03-25 | 2021-09-30 | 深圳市汇顶科技股份有限公司 | 数据采集装置、人脸识别装置、设备、方法及存储介质 |
CN111898553A (zh) * | 2020-07-31 | 2020-11-06 | 成都新潮传媒集团有限公司 | 一种判别虚像人员的方法、装置及计算机设备 |
CN111898553B (zh) * | 2020-07-31 | 2022-08-09 | 成都新潮传媒集团有限公司 | 一种判别虚像人员的方法、装置及计算机设备 |
CN113326814A (zh) * | 2021-02-22 | 2021-08-31 | 王先峰 | 一种基于5g架构的人脸识别设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2020215283A1 (zh) | 2020-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110199296A (zh) | 人脸识别方法、处理芯片以及电子设备 | |
US11010967B2 (en) | Three dimensional content generating apparatus and three dimensional content generating method thereof | |
CN109285215B (zh) | 一种人体三维模型重建方法、装置和存储介质 | |
CN106023303B (zh) | 一种基于轮廓有效性提高三维重建点云稠密程度的方法 | |
JP4573085B2 (ja) | 位置姿勢認識装置とその位置姿勢認識方法、及び位置姿勢認識プログラム | |
Wu et al. | Fusing multiview and photometric stereo for 3d reconstruction under uncalibrated illumination | |
CN110399809A (zh) | 多特征融合的人脸关键点检测方法及装置 | |
CN107403168A (zh) | 一种面部识别系统 | |
CN109801380A (zh) | 一种虚拟试衣的方法、装置、存储介质及计算机设备 | |
CN107507216A (zh) | 图像中局部区域的替换方法、装置及存储介质 | |
CN107273846A (zh) | 一种人体体型参数确定方法及装置 | |
CN109146769A (zh) | 图像处理方法及装置、图像处理设备及存储介质 | |
CN112529999A (zh) | 一种参数估算模型的训练方法、装置、设备和存储介质 | |
CN110263768A (zh) | 一种基于深度残差网络的人脸识别方法 | |
CN110751730B (zh) | 一种基于深度神经网络的穿衣人体体型估计方法 | |
CN107316326A (zh) | 应用于双目立体视觉的基于边的视差图计算方法和装置 | |
CN104809687A (zh) | 三维人脸图像生成方法及系统 | |
CN106778660B (zh) | 一种人脸姿态校正方法及装置 | |
CN112509117A (zh) | 手部三维模型的重建方法、装置、电子设备及存储介质 | |
CN109740659A (zh) | 一种图像匹配方法及装置、电子设备、存储介质 | |
CN109523593A (zh) | 用于服装图像的数据处理方法及装置 | |
CN113298956A (zh) | 图像处理方法、美甲方法、美妆方法和装置、终端设备 | |
CN113516755B (zh) | 图像处理方法、图像处理装置、电子设备和存储介质 | |
CN107479715A (zh) | 利用手势控制实现虚拟现实交互的方法和装置 | |
KR102468306B1 (ko) | 신체 치수 측정 방법 및 장치 |
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: 20190903 |