CN110647782A - 三维人脸重建与多姿态人脸识别方法及装置 - Google Patents

三维人脸重建与多姿态人脸识别方法及装置 Download PDF

Info

Publication number
CN110647782A
CN110647782A CN201810587968.7A CN201810587968A CN110647782A CN 110647782 A CN110647782 A CN 110647782A CN 201810587968 A CN201810587968 A CN 201810587968A CN 110647782 A CN110647782 A CN 110647782A
Authority
CN
China
Prior art keywords
dimensional
face
image
light intensity
dimensional face
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
Application number
CN201810587968.7A
Other languages
English (en)
Inventor
刘畅
邱钧
王媛
亢新凯
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.)
Beijing Information Science and Technology University
Original Assignee
Beijing Information Science and Technology University
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 Beijing Information Science and Technology University filed Critical Beijing Information Science and Technology University
Priority to CN201810587968.7A priority Critical patent/CN110647782A/zh
Publication of CN110647782A publication Critical patent/CN110647782A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/50—Lighting effects
    • G06T15/506—Illumination models
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G06V20/647—Three-dimensional objects by matching two-dimensional images to three-dimensional objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Graphics (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Software Systems (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于光场成像的三维人脸重建与多姿态人脸识别方法和装置，所述基于光场成像的三维人脸重建与多姿态人脸识别方法包括：步骤100，建立三维人脸数据库；步骤200，建立二维人脸数据库；步骤300，获取待识别人脸二维图像中的二维人脸图像及其对应的三维姿态的角度值和光照环境的光强；以及步骤400，将步骤300获取的待识别人脸二维图像的三维姿态的角度值和光照环境的光强值与步骤240二维人脸数据库中的二维人脸数据进行匹配和识别。本发明充分利用三维人脸模型的形状信息和二维人脸图像的纹理信息，克服了姿态变化的影响和减少了计算的复杂度，相较于二维人脸识别技术有更高的准确率，相比于三维人脸识别技术有更快的识别速度，而且更利于实际应用。

Description

三维人脸重建与多姿态人脸识别方法及装置
技术领域
本发明涉及计算机视觉、模式识别与数字图像处理领域，特别涉及一种基于光场成像的三维人脸重建与多姿态人脸识别方法。
背景技术
人脸识别技术依据人的面部特征，综合运用数字图像、视频处理、模式识别等多种技术，自动进行身份鉴别。通过人脸特征提取和相似度比对，通过某种表达提取初始特征，然后应用知识模型对特征进行处理，最后在度量空间里计算两个特征的相似度。目前的二维人脸识别技术仍存在一些技术难题，比如：(1)只能识别相同姿态的人脸；(2)易受外界光照变化影响。因此，复杂光照与姿态变化对二维人脸识别存在极大影响，限制了人脸识别技术的应用范围。
因此，希望有一种技术方案来克服或至少减轻现有技术的上述缺陷中的至少一个。
发明内容
本发明的目的在于提供一种基于光场成像的三维人脸重建与多姿态人脸识别方法来克服或至少减轻现有技术的上述缺陷中的至少一个。
为实现上述目的，本发明提供一种三维人脸重建与多姿态人脸识别方法，所述基于光场成像的三维人脸重建与多姿态人脸识别方法包括：步骤100，建立三维人脸数据库，其具体包括：步骤110，采集正面人脸的光场数据；步骤120，利用步骤110采集到的光场数据，重建出三维人脸图像，三维人脸图像包括人脸颜色纹理信息和人脸几何信息的RGB-D数据；步骤130，将步骤120重建好的三维人脸图像存储为三维人脸数据库；步骤200，建立二维人脸数据库，其具体包括：步骤210，预先设定三维姿态的角度值，三维姿态包括俯仰自由度、旋转自由度和偏摆自由度；步骤220，对光照环境的光强进行分类；步骤230，将步骤130中的三维人脸数据库的每一组三维人脸的RGB-D数据从三维人脸按照步骤210中的三维姿态的角度值进行垂直投影变换以及按照步骤220中的光照环境的光强进行光照渲染，生成二维人脸图像；步骤240，将二维人脸图像及其对应的三维姿态的角度值和光照环境的光强存储为一组二维人脸数据，各组二维人脸数据组成为二维人脸数据库；步骤300，获取待识别人脸二维图像中的二维人脸图像及其对应的三维姿态的角度值和光照环境的光强；以及步骤400，将步骤300获取的待识别人脸二维图像的三维姿态的角度值和光照环境的光强值与步骤240二维人脸数据库中的二维人脸数据进行匹配和识别。
进一步地，步骤210中：俯仰自由度的俯仰角α可分别设定为：-45°、-30°、-15°、0°、15°、30°、45°；旋转自由度的旋转角β可分别设定为：-50°、-40°、-30°、-20°、-10°、0°、10°、20°、30°、40°、50°；偏摆自由度的偏摆角γ可分别设定为：-45°、-30°、-15°、0°、15°、30°、45°。
进一步地，步骤220中，光照环境的光强分类规则为：选取最小光强值作为起点，按照预设等差值递增至最大光强值。
进一步地，最小光强值为500lux，预设等差值为500lux，最大光强值为10000lux。
进一步地，所述步骤300具体包括：
步骤310，获取待识别人脸二维图像；
步骤320，检测步骤310中的待识别人脸二维图像中的人脸信息，并提取出待识别人脸二维图像中的人脸特征点，人脸信息包括人脸在待识别人脸二维图像中的位置、大小；
步骤330，利用步骤320提取出的人脸特征点与三维通用标准模型特征点之间的对应关系，获得描述所述对应关系的单应矩阵；然后，通过计算所述单应矩阵确定当前人脸的三维姿态；
步骤340，根据步骤220确定的光强分类，估计待识别二维人脸图像对应的光照环境的光强。
进一步地，所述步骤400中，利用特征脸方法，将所述步骤300获取待识别人脸二维图像中的二维人脸图像及其对应的三维姿态的角度值和光照环境的光强进行匹配和识别。
本发明还提供一种三维人脸重建与多姿态人脸识别装置，基于光场成像的三维人脸重建与多姿态人脸识别装置包括：三维人脸数据库建立模块，其用于采集正面人脸的光场数据，并利用采集到的所述光场数据，重建出三维人脸图像，三维人脸图像包括人脸颜色纹理信息和人脸几何信息的RGB-D数据，将重建好的三维人脸图像存储为三维人脸数据库；二维人脸数据库建立模块，其用于预先设定三维姿态的角度值以及对光照环境的光强进行分类，并将三维人脸数据库建立模块得到的三维人脸数据库中的每一组三维人脸的RGB-D数据从三维人脸按照预设的三维姿态的角度值进行垂直投影变换以及按照分类好的光照环境的光强进行光照渲染，生成二维人脸图像，最后将二维人脸图像及其对应的三维姿态的角度值和光照环境的光强存储为一组二维人脸数据，各组二维人脸数据组成为二维人脸数据库；人脸特征获取模块，其用于获取待识别人脸二维图像中的二维人脸图像及其对应的三维姿态的角度值和光照环境的光强；匹配识别模块，其用于将人脸特征获取模块获取的待识别人脸二维图像的三维姿态的角度值和光照环境的光强值与二维人脸数据库建立模块提供的二维人脸数据库中的二维人脸数据进行匹配和识别。
进一步地，二维人脸数据库建立模块中的三维姿态包括俯仰自由度、旋转自由度和偏摆自由度；俯仰自由度的俯仰角α可分别设定为：-45°、-30°、-15°、0°、15°、30°、45°；旋转自由度的旋转角β可分别设定为：-50°、-40°、-30°、-20°、-10°、0°、10°、20°、30°、40°、50°；偏摆自由度的偏摆角γ可分别设定为：-45°、-30°、-15°、0°、15°、30°、45°。
进一步地，二维人脸数据库建立模块中的光照环境的光强分类规则为：选取最小光强值作为起点，按照预设等差值递增至最大光强值。
进一步地，人脸特征获取模块具体包括：人脸采集子模块，其用于获取待识别人脸二维图像；人脸特征点提取子模块，其用于检测待识别人脸二维图像中的人脸信息，并提取出待识别人脸二维图像中的人脸特征点，人脸信息包括人脸在待识别人脸二维图像中的位置、大小；三维姿态获取子模块，其用于利用人脸特征点提取子模块获得的人脸特征点与三维通用标准模型特征点之间的对应关系，获得描述所述对应关系的单应矩阵，再通过计算所述单应矩阵确定当前人脸的三维姿态；以及光照环境获取子模块，其用于根据二维人脸数据库建立模块确定的光强分类，估计待识别二维人脸图像对应的光照环境的光强。
本发明充分利用三维人脸模型的形状信息和二维人脸图像的纹理信息，克服了姿态变化的影响和减少了计算的复杂度，相较于二维人脸识别技术有更高的准确率，相比于三维人脸识别技术有更快的识别速度，而且更利于实际应用。
附图说明
图1是本发明实施例提供的三维人脸重建与多姿态人脸识别方法流程图；
图2是本发明所提供的预先设定的三维姿态示意图；
图3是本发明所提供的三维人脸到二维人脸的垂直投影变换示意图。
具体实施方式
在附图中，使用相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面结合附图对本发明的实施例进行详细说明。
在本发明的描述中，术语“中心”、“纵向”、“横向”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明保护范围的限制。
如图1所示，本实施例所提供的基于光场成像的三维人脸重建与多姿态人脸识别方法包括：
步骤100，建立三维人脸数据库，其具体包括：
步骤110，利用光场相机采集正面人脸的光场数据；
步骤120，利用步骤110采集到的光场数据，重建出三维人脸图像，三维人脸图像包括人脸颜色纹理信息和人脸几何信息的RGB-D数据；
步骤130，将步骤120重建好的三维人脸图像存储为三维人脸数据库。
步骤200，建立二维人脸数据库，其具体包括：
步骤210，预先设定三维姿态的角度值，三维姿态包括俯仰自由度、旋转自由度和偏摆自由度；
步骤220，对光照环境的光强进行分类；
步骤230，将步骤130中的三维人脸数据库的每一组三维人脸的RGB-D数据从三维人脸按照步骤210中的三维姿态的角度值进行垂直投影变换(如图3所示)以及按照步骤220中的光照环境的光强进行光照渲染，生成二维人脸图像；
步骤240，将二维人脸图像及其对应的三维姿态的角度值和光照环境的光强存储为一组二维人脸数据，各组二维人脸数据组成为二维人脸数据库。
步骤300，获取待识别人脸二维图像中的二维人脸图像及其对应的三维姿态的角度值和光照环境的光强。
步骤400，将步骤300获取的待识别人脸二维图像的三维姿态的角度值和光照环境的光强值与步骤240二维人脸数据库中的二维人脸数据进行匹配和识别。
如图2所示，在一个实施例中，步骤210中，俯仰自由度的俯仰角α可分别设定为：-45°、-30°、-15°、0°、15°、30°、45°。
旋转自由度的旋转角β可分别设定为：-50°、-40°、-30°、-20°、-10°、0°、10°、20°、30°、40°、50°。实际拍摄的人脸的俯仰角、旋转角和偏摆角大概在-45°至-45°之间。人脸旋转的情况相对较多，所以将旋转角分的更细，10°一个间隔。
偏摆自由度的偏摆角γ可分别设定为：-45°、-30°、-15°、0°、15°、30°、45°。
步骤220中，光照环境的光强分类规则为：选取最小光强值作为起点，按照预设等差值递增至最大光强值。实际光照环境通常在500lux-10000lux之间，因此可以设置为：最小光强值为500lux，预设等差值为500lux，最大光强值为10000lux。即将“光照环境的光强”分类为：E＝500lux、1000lux、……10000lux。
在一个实施例中，所述步骤300具体包括：
步骤310，获取待识别人脸二维图像，该步骤使用普通相机即可。
步骤320，检测步骤310中的待识别人脸二维图像中的人脸信息，并提取出待识别人脸二维图像中的人脸特征点，人脸信息包括人脸在待识别人脸二维图像中的位置、大小；本步骤中，可以利用Adaboost算法检测输入的待识别人脸二维图像中所包含的人脸信息。Adaboost算法具有自适应性。可以使用其他算法，但Adaboost算法效果更好。
步骤330，利用步骤320提取出的人脸特征点与三维通用标准模型特征点之间的对应关系，获得描述所述对应关系的单应矩阵；然后，通过计算所述单应矩阵确定当前人脸的三维姿态；本步骤中，可以利用ASM(Active Shape Models)算法提取出待识别人脸二维图像的特征点。ASM算法是基于点分布模型的算法，可以描述人脸特征点分布，适用于人脸特征点检测，ASM算法比其它算法效果更好。三维通用标准模型可以通过三维建模方法得到，如基于OpenGL的三维人脸标准模型。
步骤340，根据步骤220确定的光强分类和实际光强，估计待识别二维人脸图像对应的光照环境的光强。具体使用时，通常是按照实际光强与步骤220确定的光强分类进行比对，依就近原则确定估计的待识别二维人脸图像对应的光照环境的光强。比如：“光照环境的光强”分类为：E＝500lux、1000lux、……10000lux，如果实际光强为400lux和800lux，均处于“光照环境的光强”分类中的500lux和1000lux，400lux靠近500lux，则实际光强为400lux，估计的光强为500lux；同理，800lux靠近1000lux，则实际光强为800lux，估计的光强为1000lux。
在一个实施例中，所述步骤400中，利用特征脸方法，将所述步骤300获取待识别人脸二维图像中的二维人脸图像及其对应的三维姿态的角度值和光照环境的光强进行匹配和识别。其中的“特征脸方法”提取人脸的一组特征向量，匹配过程就是比较特征向量最接近的，接近程度采用两个特征向量的距离进行描述。
本发明一种基于光场成像的三维人脸重建与多姿态人脸识别装置，其特征在于，包括三维人脸数据库建立模块、二维人脸数据库建立模块、人脸特征获取模块和匹配识别模块，其中：
三维人脸数据库建立模块用于采集正面人脸的光场数据，并利用采集到的所述光场数据，重建出三维人脸图像，三维人脸图像包括人脸颜色纹理信息和人脸几何信息的RGB-D数据，将重建好的三维人脸图像存储为三维人脸数据库；
二维人脸数据库建立模块用于预先设定三维姿态的角度值以及对光照环境的光强进行分类，并将三维人脸数据库建立模块得到的三维人脸数据库中的每一组三维人脸的RGB-D数据从三维人脸按照预设的三维姿态的角度值进行垂直投影变换以及按照分类好的光照环境的光强进行光照渲染，生成二维人脸图像，最后将二维人脸图像及其对应的三维姿态的角度值和光照环境的光强存储为一组二维人脸数据，各组二维人脸数据组成为二维人脸数据库；
人脸特征获取模块用于获取待识别人脸二维图像中的二维人脸图像及其对应的三维姿态的角度值和光照环境的光强；
匹配识别模块用于将人脸特征获取模块获取的待识别人脸二维图像的三维姿态的角度值和光照环境的光强值与二维人脸数据库建立模块提供的二维人脸数据库中的二维人脸数据进行匹配和识别。
在一个实施例中，二维人脸数据库建立模块中的三维姿态包括俯仰自由度、旋转自由度和偏摆自由度；
俯仰自由度的俯仰角α可分别设定为：-45°、-30°、-15°、0°、15°、30°、45°；
旋转自由度的旋转角β可分别设定为：-50°、-40°、-30°、-20°、-10°、0°、10°、20°、30°、40°、50°；
偏摆自由度的偏摆角γ可分别设定为：-45°、-30°、-15°、0°、15°、30°、45°。
在一个实施例中，二维人脸数据库建立模块中的光照环境的光强分类规则为：选取最小光强值作为起点，按照预设等差值递增至最大光强值。
在一个实施例中，人脸特征获取模块具体包括人脸采集子模块、人脸特征点提取子模块、三维姿态获取子模块和光照环境获取子模块，其中：
人脸采集子模块用于获取待识别人脸二维图像；
人脸特征点提取子模块用于检测待识别人脸二维图像中的人脸信息，并提取出待识别人脸二维图像中的人脸特征点，人脸信息包括人脸在待识别人脸二维图像中的位置、大小；
三维姿态获取子模块用于利用人脸特征点提取子模块获得的人脸特征点与三维通用标准模型特征点之间的对应关系，获得描述所述对应关系的单应矩阵，再通过计算所述单应矩阵确定当前人脸的三维姿态；以及
光照环境获取子模块用于根据二维人脸数据库建立模块确定的光强分类，估计待识别二维人脸图像对应的光照环境的光强。
最后需要指出的是：以上实施例仅用以说明本发明的技术方案，而非对其限制。本领域的普通技术人员应当理解：可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种三维人脸重建与多姿态人脸识别方法，其特征在于，包括：
步骤100，建立三维人脸数据库，其具体包括：
步骤110，采集正面人脸的光场数据；
步骤120，利用步骤110采集到的光场数据，重建出三维人脸图像，三维人脸图像包括人脸颜色纹理信息和人脸几何信息的RGB-D数据；
步骤130，将步骤120重建好的三维人脸图像存储为三维人脸数据库；
步骤200，建立二维人脸数据库，其具体包括：
步骤210，预先设定三维姿态的角度值，三维姿态包括俯仰自由度、旋转自由度和偏摆自由度；
步骤220，对光照环境的光强进行分类；
步骤230，将步骤130中的三维人脸数据库的每一组三维人脸的RGB-D数据从三维人脸按照步骤210中的三维姿态的角度值进行垂直投影变换以及按照步骤220中的光照环境的光强进行光照渲染，生成二维人脸图像；
步骤240，将二维人脸图像及其对应的三维姿态的角度值和光照环境的光强存储为一组二维人脸数据，各组二维人脸数据组成为二维人脸数据库；
步骤300，获取待识别人脸二维图像中的二维人脸图像及其对应的三维姿态的角度值和光照环境的光强；以及
步骤400，将步骤300获取的待识别人脸二维图像的三维姿态的角度值和光照环境的光强值与步骤240二维人脸数据库中的二维人脸数据进行匹配和识别。
2.如权利要求1所述的三维人脸重建与多姿态人脸识别方法，其特征在于，步骤210中：
俯仰自由度的俯仰角α可分别设定为：-45°、-30°、-15°、0°、15°、30°、45°；
旋转自由度的旋转角β可分别设定为：-50°、-40°、-30°、-20°、-10°、0°、10°、20°、30°、40°、50°；
偏摆自由度的偏摆角γ可分别设定为：-45°、-30°、-15°、0°、15°、30°、45°。
3.如权利要求1所述的三维人脸重建与多姿态人脸识别方法，其特征在于，步骤220中，光照环境的光强分类规则为：选取最小光强值作为起点，按照预设等差值递增至最大光强值。
4.如权利要求3所述的三维人脸重建与多姿态人脸识别方法，其特征在于，最小光强值为500lux，预设等差值为500lux，最大光强值为10000lux。
5.如权利要求1所述的三维人脸重建与多姿态人脸识别方法，其特征在于，所述步骤300具体包括：
步骤310，获取待识别人脸二维图像；
步骤320，检测步骤310中的待识别人脸二维图像中的人脸信息，并提取出待识别人脸二维图像中的人脸特征点，人脸信息包括人脸在待识别人脸二维图像中的位置、大小；
步骤330，利用步骤320提取出的人脸特征点与三维通用标准模型特征点之间的对应关系，获得描述所述对应关系的单应矩阵；然后，通过计算所述单应矩阵确定当前人脸的三维姿态；
步骤340，根据步骤220确定的光强分类，估计待识别二维人脸图像对应的光照环境的光强。
6.如权利要求1所述的三维人脸重建与多姿态人脸识别方法，其特征在于，所述步骤400中，利用特征脸方法，将所述步骤300获取待识别人脸二维图像中的二维人脸图像及其对应的三维姿态的角度值和光照环境的光强进行匹配和识别。
7.一种三维人脸重建与多姿态人脸识别装置，其特征在于，包括：
三维人脸数据库建立模块，其用于采集正面人脸的光场数据，并利用采集到的所述光场数据，重建出三维人脸图像，三维人脸图像包括人脸颜色纹理信息和人脸几何信息的RGB-D数据，将重建好的三维人脸图像存储为三维人脸数据库；
二维人脸数据库建立模块，其用于预先设定三维姿态的角度值以及对光照环境的光强进行分类，并将三维人脸数据库建立模块得到的三维人脸数据库中的每一组三维人脸的RGB-D数据从三维人脸按照预设的三维姿态的角度值进行垂直投影变换以及按照分类好的光照环境的光强进行光照渲染，生成二维人脸图像，最后将二维人脸图像及其对应的三维姿态的角度值和光照环境的光强存储为一组二维人脸数据，各组二维人脸数据组成为二维人脸数据库；
人脸特征获取模块，其用于获取待识别人脸二维图像中的二维人脸图像及其对应的三维姿态的角度值和光照环境的光强；
匹配识别模块，其用于将人脸特征获取模块获取的待识别人脸二维图像的三维姿态的角度值和光照环境的光强值与二维人脸数据库建立模块提供的二维人脸数据库中的二维人脸数据进行匹配和识别。
8.如权利要求7所述的三维人脸重建与多姿态人脸识别装置，其特征在于，二维人脸数据库建立模块中的三维姿态包括俯仰自由度、旋转自由度和偏摆自由度；
俯仰自由度的俯仰角α可分别设定为：-45°、-30°、-15°、0°、15°、30°、45°；
旋转自由度的旋转角β可分别设定为：-50°、-40°、-30°、-20°、-10°、0°、10°、20°、30°、40°、50°；
偏摆自由度的偏摆角γ可分别设定为：-45°、-30°、-15°、0°、15°、30°、45°。
9.如权利要求7所述的三维人脸重建与多姿态人脸识别装置，其特征在于，二维人脸数据库建立模块中的光照环境的光强分类规则为：选取最小光强值作为起点，按照预设等差值递增至最大光强值。
10.如权利要求7所述的三维人脸重建与多姿态人脸识别装置，其特征在于，人脸特征获取模块具体包括：
人脸采集子模块，其用于获取待识别人脸二维图像；
人脸特征点提取子模块，其用于检测待识别人脸二维图像中的人脸信息，并提取出待识别人脸二维图像中的人脸特征点，人脸信息包括人脸在待识别人脸二维图像中的位置、大小；
三维姿态获取子模块，其用于利用人脸特征点提取子模块获得的人脸特征点与三维通用标准模型特征点之间的对应关系，获得描述所述对应关系的单应矩阵，再通过计算所述单应矩阵确定当前人脸的三维姿态；以及
光照环境获取子模块，其用于根据二维人脸数据库建立模块确定的光强分类，估计待识别二维人脸图像对应的光照环境的光强。
CN201810587968.7A 2018-06-08 2018-06-08 三维人脸重建与多姿态人脸识别方法及装置 Pending CN110647782A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810587968.7A CN110647782A (zh) 2018-06-08 2018-06-08 三维人脸重建与多姿态人脸识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810587968.7A CN110647782A (zh) 2018-06-08 2018-06-08 三维人脸重建与多姿态人脸识别方法及装置

Publications (1)

Publication Number Publication Date
CN110647782A true CN110647782A (zh) 2020-01-03

Family

ID=69008623

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810587968.7A Pending CN110647782A (zh) 2018-06-08 2018-06-08 三维人脸重建与多姿态人脸识别方法及装置

Country Status (1)

Country Link
CN (1) CN110647782A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111339958A (zh) * 2020-02-28 2020-06-26 山东笛卡尔智能科技有限公司 一种基于单目视觉的人脸活体检测方法及系统
CN111414803A (zh) * 2020-02-24 2020-07-14 北京三快在线科技有限公司 人脸识别方法、装置、电子设备
CN112150615A (zh) * 2020-09-24 2020-12-29 四川川大智胜软件股份有限公司 基于三维人脸模型的人脸图像生成方法、装置及存储介质
CN112257657A (zh) * 2020-11-11 2021-01-22 网易（杭州）网络有限公司 脸部图像融合方法及装置、存储介质、电子设备
CN112687009A (zh) * 2020-12-29 2021-04-20 四川大学 一种三维人脸表示方法及其参数测量装置及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101320484A (zh) * 2008-07-17 2008-12-10 清华大学 一种基于人脸全自动定位的三维人脸识别方法
CN104268539A (zh) * 2014-10-17 2015-01-07 中国科学技术大学 一种高性能的人脸识别方法及系统
CN105654048A (zh) * 2015-12-30 2016-06-08 四川川大智胜软件股份有限公司 一种多视角人脸比对方法
US20170316598A1 (en) * 2015-05-22 2017-11-02 Tencent Technology (Shenzhen) Company Limited 3d human face reconstruction method, apparatus and server

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101320484A (zh) * 2008-07-17 2008-12-10 清华大学 一种基于人脸全自动定位的三维人脸识别方法
CN104268539A (zh) * 2014-10-17 2015-01-07 中国科学技术大学 一种高性能的人脸识别方法及系统
US20170316598A1 (en) * 2015-05-22 2017-11-02 Tencent Technology (Shenzhen) Company Limited 3d human face reconstruction method, apparatus and server
CN105654048A (zh) * 2015-12-30 2016-06-08 四川川大智胜软件股份有限公司 一种多视角人脸比对方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111414803A (zh) * 2020-02-24 2020-07-14 北京三快在线科技有限公司 人脸识别方法、装置、电子设备
WO2021169257A1 (zh) * 2020-02-24 2021-09-02 北京三快在线科技有限公司 人脸识别
CN111339958A (zh) * 2020-02-28 2020-06-26 山东笛卡尔智能科技有限公司 一种基于单目视觉的人脸活体检测方法及系统
CN111339958B (zh) * 2020-02-28 2023-08-29 南京鑫之派智能科技有限公司 一种基于单目视觉的人脸活体检测方法及系统
CN112150615A (zh) * 2020-09-24 2020-12-29 四川川大智胜软件股份有限公司 基于三维人脸模型的人脸图像生成方法、装置及存储介质
CN112257657A (zh) * 2020-11-11 2021-01-22 网易（杭州）网络有限公司 脸部图像融合方法及装置、存储介质、电子设备
CN112257657B (zh) * 2020-11-11 2024-02-27 网易（杭州）网络有限公司 脸部图像融合方法及装置、存储介质、电子设备
CN112687009A (zh) * 2020-12-29 2021-04-20 四川大学 一种三维人脸表示方法及其参数测量装置及方法

Similar Documents

Publication Publication Date Title
CN105335722B (zh) 一种基于深度图像信息的检测系统及方法
Papazov et al. Real-time 3D head pose and facial landmark estimation from depth images using triangular surface patch features
CN110647782A (zh) 三维人脸重建与多姿态人脸识别方法及装置
JP5715833B2 (ja) 姿勢状態推定装置および姿勢状態推定方法
JP4653606B2 (ja) 画像認識装置、方法およびプログラム
TWI383325B (zh) 臉部表情辨識
KR102357340B1 (ko) 얼굴 인식 방법 및 장치
WO2015161816A1 (en) Three-dimensional facial recognition method and system
Kong et al. Head pose estimation from a 2D face image using 3D face morphing with depth parameters
TWI394093B (zh) 一種影像合成方法
CN108182397B (zh) 一种多姿态多尺度的人脸验证方法
Vretos et al. 3D facial expression recognition using Zernike moments on depth images
JP6071002B2 (ja) 信頼度取得装置、信頼度取得方法および信頼度取得プログラム
Ouanan et al. Facial landmark localization: Past, present and future
KR20160033553A (ko) 3차원 얼굴모델 투영을 통한 얼굴 인식 방법 및 시스템
WO2019075656A1 (zh) 图像处理方法、装置、终端和存储介质
Li et al. Robust RGB-D face recognition using Kinect sensor
CN110751097A (zh) 一种半监督的三维点云手势关键点检测方法
CN109919128B (zh) 控制指令的获取方法、装置及电子设备
WO2021026281A1 (en) Adaptive hand tracking and gesture recognition using face-shoulder feature coordinate transforms
CN108694348B (zh) 一种基于自然特征的跟踪注册方法及装置
CN109690555B (zh) 基于曲率的脸部检测器
CN112800966B (zh) 一种视线的追踪方法及电子设备
Bagchi et al. Reg3DFacePtCd: registration of 3D point clouds using a common set of landmarks for alignment of human face images
Xu et al. MultiView-based hand posture recognition method based on point cloud

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

Application publication date: 20200103

RJ01 Rejection of invention patent application after publication