CN111753660A - 一种基于太赫兹毫米波的人脸骨骼识别方法 - Google Patents
一种基于太赫兹毫米波的人脸骨骼识别方法 Download PDFInfo
- Publication number
- CN111753660A CN111753660A CN202010434155.1A CN202010434155A CN111753660A CN 111753660 A CN111753660 A CN 111753660A CN 202010434155 A CN202010434155 A CN 202010434155A CN 111753660 A CN111753660 A CN 111753660A
- Authority
- CN
- China
- Prior art keywords
- target
- facial
- skeleton
- terahertz
- human 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 210000000988 bone and bone Anatomy 0.000 title claims description 26
- 230000001815 facial effect Effects 0.000 claims abstract description 56
- 239000013598 vector Substances 0.000 claims abstract description 33
- 238000012795 verification Methods 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims description 12
- 210000003054 facial bone Anatomy 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 11
- 238000012706 support-vector machine Methods 0.000 claims description 10
- 210000004872 soft tissue Anatomy 0.000 claims description 9
- 230000005477 standard model Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 3
- 238000011045 prefiltration Methods 0.000 claims description 3
- 230000001902 propagating effect Effects 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 239000004065 semiconductor Substances 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 5
- 238000000605 extraction Methods 0.000 abstract description 5
- 238000012545 processing Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000000691 measurement method Methods 0.000 description 3
- 230000000149 penetrating effect Effects 0.000 description 3
- 238000011840 criminal investigation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000037182 bone density Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3581—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using far infrared light; using Terahertz radiation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/08—Systems determining position data of a target for measuring distance only
- G01S17/10—Systems determining position data of a target for measuring distance only using transmission of interrupted, pulse-modulated waves
- G01S17/14—Systems determining position data of a target for measuring distance only using transmission of interrupted, pulse-modulated waves wherein a voltage or current pulse is initiated and terminated in accordance with the pulse transmission and echo reception respectively, e.g. using counters
-
- 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
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Electromagnetism (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Health & Medical Sciences (AREA)
- Remote Sensing (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Human Computer Interaction (AREA)
- Toxicology (AREA)
- Computer Graphics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种基于太赫兹毫米波的人脸骨骼识别方法。通过向待测目标发射毫米波,并在待测目标面部软组织和面部骨骼交界面上发生反射,通过采集反射回来的毫米波对待测目标的面部骨骼建立三维模型,提取模型的特征向量后在面部骨骼模型库里面进行比对和搜索,得到识别结果。包括发射毫米波,采集发射毫米波,面部骨骼建模,特征提取和验证搜索五个部分。本发明的优点:在部分有遮挡情况下也能识别人脸;不受外部可见光因素的影响;不受表情变化,年龄增长,整容等的影响;安全性提高,有效防止照片,视频和三维模型等欺骗手段。
Description
技术领域
本发明涉及生物特征识别技术领域,特别涉及一种基于太赫兹的人脸骨骼识别方法。
背景技术
随着经济的发展人们生活水平的提高,日常生活中对身份的认证越来越频繁,而传统身份认证方式过于繁琐,在很多领域被更加便捷可靠的生物特征识别所取代;相对于语音识别,瞳孔识别和指纹识别,人脸识别更加直接,友好,更容易让人们接收,并且具有较高的可靠性。
但是,目前的人脸识别技术都是通过采集人脸表面反射的可见光,对人脸特征的分析来实现的,由于光源和人脸的变化,以及图像传感器与人脸的相对位置和角度的限制,对可见光人脸识别的性能都有很大的影响,比如光照强度,光源位置,眼镜和口罩等遮挡物,表情变化,年龄增长,甚至体重增减导致面部特征改变,对目前的人脸识别性能都有较大的负面影响。
由于这些缺陷,在应用时有一定的局限性。比如在刑侦方面,由于人脸识别设备的隐蔽性,容易隐蔽安装在大多场所,自助取款机,火车站,商场等等,在刑侦方面广泛用于目标人物的追查,但是只要目标人物带上口罩、帽子、墨镜等遮挡物,便无法进行人脸识别。
另外,人脸作为身份认证的密钥信息,却暴露在外,很容易被照片,视频所记录,甚至被还原为人脸三维模型等,导致密钥信息源有失唯一性,对目前的人脸识别技术造成安全隐患。
发明内容
技术问题:为了克服现有技术的问题,让人脸识别更具安全性和广泛性,本发明提出一种识别精度高,不受可见光环境影响,能在存在面部遮挡的情况下识别人脸的基于太赫兹的对面部骨骼建模的人脸骨骼识别方法。改善当前人脸识别的安全性和局限性。
本发明的技术方案为:一种基于太赫兹的人脸骨骼识别方法,包括以下实现步骤:
步骤1,向待测目标面部发射太赫兹毫米波;
步骤2,采集目标骨骼反射回来的太赫兹毫米波信号;
步骤3,根据步骤2中采集的信号对待测目标的面部骨骼建立三维模型,并对得到的三维骨骼模型进行特征向量提取,然后利用分类器在面部骨骼模型库里面匹配,得出识别结果。
进一步,步骤1、2的具体过程为:
通过控制器模块控制毫米波发射器驱动电路产生驱动电信号,驱动电信号使毫米波发射器产生一定频率的毫米波;在空气中毫米波沿直线传播一段距离后到达人脸并穿透人脸软组织,在软组织和骨头的交界面发生较强的反射,产生的反射毫米波携带着目标的面部骨骼信息被反射波接收器采集;
反射波接收器将采集到的毫米波信号转换成模拟电信号,模拟电信号经过一个前置滤波器,滤除无用噪声信号,保留携带着面部骨骼信息的部分,提高信噪比;模数转换器ADC将滤波过后的连续模拟信号采样和量化后转变成离散的数字信号并传送到控制器模块,到此信息采集完成。
进一步,毫米波发射器可采用半导体瞬间电流产生或由加速电子产生,或者是光电导产生或非线性差频产生,或者是热辐射或高能加速器产生;
进一步,毫米波发射器产生毫米波可以是空间水平扫描信号或着空间垂扫描信号,也可以是毫米波发射器阵列同时发射毫米波方式;其中,发射毫米波的频率为0.1-10THz的选频信号。
进一步,所述面部骨骼模型库的建立方法如下:根据采集的信号对待测目标的面部骨骼建立三维模型,并对得到的三维骨骼模型进行特征向量提取,将采集目标的人脸骨骼特征向量和待测目标的基本信息编排一个特定且唯一的编号实现一一对应关系,然后一起存储到面部骨骼模型库中,并建立索引;其中,面部骨骼模型库的建立过程,需要从不同方向向目标面部发射毫米波,采集多组数据,然后生成特征向量。
进一步,并对得到的三维骨骼模型进行特征向量提取的过程为:
首先将检测窗口划分为N×N的小区域cell;
对于每个cell中的一个像素,将相邻的8个像素的灰度值与其进行比较,若周围像素值大于中心像素值,则该像素点的位置被标记为1,否则为0,这样,3*3邻域内的8个点经比较可产生8位二进制数,即得到该窗口中心像素点的LBP值;
然后计算每个cell的直方图,即每个数字出现的频率;然后对该直方图进行归一化处理;
最后将得到的每个cell的统计直方图进行连接成为一个特征向量,也就是整幅图的纹理特征向量。
进一步,利用分类器在面部骨骼模型库里面匹配,得出识别结果的具体过程为:
选择SVM模式分类器,选用径向基核函数训练,将人脸骨骼模型库里面的样本分成两部分,将每类样本中60%的人脸骨骼数据的特征向量样本以及样本的识别结果作为训练样本集,对分类器进行学习训练,从而得到目标模型参数作为识别的重要依据,即标准模型,并将每类样本中剩下的40%作为验证测试样本集,对得到的标准模型性能进行验证;
采集目标对象的面部骨骼信息并提取得到特征向量,利用SVM分类器在已建成的太赫兹面部骨骼模型库中进行身份识别对比,判断待识别目标对象是否存在于模型库中,并在显示器上输出识别结果。
与现有技术相比,本发明的优势体现在:
1、部分有遮挡条件下也能识别人脸。太赫兹毫米波穿透能力很强,且频率越高穿透能力越强,可以轻易穿透头发、口罩、眼镜、帽子、衣物等遮挡物采集骨骼信息;
2、不受外部可见光因素的影响。本发明不存在可见光斜射在人脸图像上产生阴影影响识别效果的情况,甚至在无光照的暗环境下也能实现人脸识别。
3、不受表情变化,年龄增长,整容等的影响。人体骨骼在青春期以后已经定形,不再随着年龄改变,遭受外力导致骨骼结构改变除外。
4、不受背景影响。因为采用反射测距原理,通过距离阈值截取很容易去除背景反射的信号。
5、安全性提高,有效防止欺骗手段。骨骼在人体内部,无法被照片视频等记录,几乎不可仿制,保证了密钥信息的唯一性。
附图说明
图1是人脸骨骼识别设备工作原理示意图;
图2是太赫兹测距原理示意图;
图3是太赫兹人脸骨骼识别实现流程图;
图4为本发明的整体流程图。
具体实施方式
人体一共有15块面部骨骼,面部骨骼的大小、形状、密度和相对位置因人而异,作为人脸的重要构成部分,承载了大量的生物信息,为人脸识别提供了新的方案。太赫兹很高具有很强的穿透能力,能够穿透人体软组织到达人体骨骼;在太赫兹毫米波传播过程中,当遇到不同密度介质交界面时会发生反射,即毫米波会在人体软组织和骨骼交界面处发生反射,且骨骼密度越大,反射波的强度越高,通过采集反射的毫米波,并记录毫米波从发射到返回的时间差可以计算得到骨骼到传感器之间的距离,通过对反射信号大小的分析可以得到骨骼的密度分布情况,通过对整个面部骨骼测距和密度分布探测可以建立起面部骨骼的空间三维模型,并对得到的三维骨骼模型进行特征向量提取,然后利用模式分类器或者神经卷积分类器在面部骨骼模型库里面匹配,得出识别结果。
本发明的一种基于太赫兹的人脸骨骼识别方法,包括以下实现步骤:
步骤1,向待测目标面部发射太赫兹毫米波;
步骤2,采集目标骨骼反射回来的太赫兹毫米波信号;
步骤3,根据步骤2中采集的信号对待测目标的面部骨骼建立三维模型,并对得到的三维骨骼模型进行特征向量提取,然后利用分类器在面部骨骼模型库里面匹配,得出识别结果。利用分类器在面部骨骼模型库里面匹配,得出识别结果的具体过程为:
选择SVM模式分类器,选用径向基核函数训练,将人脸骨骼模型库里面的样本分成两部分,将每类样本中60%的人脸骨骼数据的特征向量样本以及样本的识别结果作为训练样本集,对分类器进行学习训练,从而得到目标模型参数作为识别的重要依据,即标准模型,并将每类样本中剩下的40%作为验证测试样本集,对得到的标准模型性能进行验证;
采集目标对象的面部骨骼信息并提取得到特征向量,利用SVM分类器在已建成的太赫兹面部骨骼模型库中进行身份识别对比,判断待识别目标对象是否存在于模型库中,并在显示器上输出识别结果。
下面结合附图和具体实施方式对本发明做进一步详细解释:
参考图1,人脸骨骼识别设备工作原理。将人脸识别设备置于待识别目标正前方,控制器模块控制毫米波发生器向目标人脸发射太赫兹毫米波,发射的毫米波可以穿透目标人脸表面软组织后达到面部骨骼并产生反射,反射回来的毫米波被反射波接收器采集并传送到控制器模块进行人脸骨骼识别,并在输出设备上输出结果。
参考图2,太赫兹测距原理示意图。太赫兹测距原理分脉冲测距法和相位测距法,本发明采用脉冲测距法。控制器控制毫米波发射器产生一段电磁波脉冲,并开始计时,电磁波脉冲通过空气传播至目标面部骨骼并发生反射,产生回波信号并传回至毫米波接收器,当接收器检测到回波信号时,发出停表信号,计时器停止计时,计时器所记的时间就是电磁波脉冲的传播时间,该时间乘以超声波在空气中的传播速度,就是目标面部骨骼到识别设备的距离。空气湿度、温度以及大气压等对电磁波在空气中传播速度影响不大,因此可以忽略不记。
参考图3-4,太赫兹毫米波人脸骨骼识别实现流程图。
如图3所示,制作一个依据本发明的基于模式识别的太赫兹人脸骨骼识别装置,包括:毫米波发生器驱动电路,接收控制器的数字控制信号,驱动毫米波发生器产生毫米波,由数模转换器DAC和功率放大器构成;毫米波发生器,在驱动器的驱动下,发射毫米波,毫米波遇到障碍物反射,产生回波信号;毫米波采集电路,接收返回的毫米波信号,转换成信号后传输给滤波电路;滤波电路,对来之毫米波采集电路的电信号进行滤波,滤除无用的噪声信号;模数转换器,对通过滤波电路后的电信号进行数字采样,将得到的数字信号送如控制器;控制器控制是系统的核心,控制毫米波发生器驱动电路,接收来至模数转换器ADC的回波采样信号,对面部骨骼模型库进行读写操作,内部集成特征提取模块等功能,可选用单片机,DSP,FPGA,ARM等器件;面部骨骼模型库,存储注册对象的基本信息和特征向量,可用物理存储器或者云端存储;显示设备,显示对象验证或者对象查找的结果,可用显示器,触摸屏等设备。
其中,模式分类器包括BIAS,GMM,HMM和SVM模式分类器,神经卷积分类器包括BP,RBF和SOM神经网络分类器。将人脸骨骼模型库里面的人脸骨骼数据的特征向量样本以及样本的识别结果作为训练本集,对分类器进行学习训练,从而得到目标模型参数作为识别的重要依据。
以上的各部分电路,若没有特别注明,均采用本领域人员熟知的常规产品或常规电路并采用常规的连接方式。
本发明实现面部骨骼识别功能的实现总体上分为注册和识别两个模块。注册分为信号采集、分析处理、信息录入和储存入库四个步骤;识别分为信号采集、分析处理、验证搜索、输出结果四个步骤。
注册流程:
1、信息采集。注册和识别在人脸信息采集部分步骤完全相同:通过控制器模块控制毫米波发射器驱动电路产生驱动电信号,驱动电信号使毫米波发射器产生一定频率的毫米波;在空气中毫米波沿直线传播一段距离后到达人脸并穿透人脸软组织,在软组织和骨头的交界面发生较强的反射,产生的反射毫米波携带着目标的面部骨骼信息被反射波接收器采集;反射波接收器将采集到的毫米波信号转换成模拟电信号,模拟电信号经过一个前置滤波器,滤除无用噪声信号,保留携带着面部骨骼信息的部分,提高信噪比;模数转换器ADC将滤波过后的连续模拟信号采样和量化后转变成离散的数字信号并传送到控制器模块,到此信息采集完成。
其中,毫米波发生器可采用半导体瞬间电流产生或由加速电子产生,或者是光电导产生或非线性差频产生,或者是热辐射或高能加速器产生;
其中,毫米波发生器产生毫米波可以是空间水平扫描信号或着空间垂扫描信号,也可以是毫米波发射器阵列同时发射毫米波方式;
其中,发射毫米波的频率为0.1-10THz的选频信号;
2、分析处理。注册和识别在人脸信息分析处理步骤完全相同:根据发射毫米波和传感器采集到毫米波的时间差,可以测算出毫米波反射点距离识别设备的距离,测距原理参考附图2;另外,根据反射波的强弱,可以得到骨骼的密度分布,根据反射波接收器阵列采集到的信号和测距原理以及骨骼密度分布,可以对目标面部骨骼建立三维模型,并利用LBP算法对建立好的模型提取特征向量。
首先将检测窗口划分为N×N的小区域cell;
对于每个cell中的一个像素,将相邻的8个像素的灰度值与其进行比较,若周围像素值大于中心像素值,则该像素点的位置被标记为1,否则为0,这样,3*3邻域内的8个点经比较可产生8位二进制数,即得到该窗口中心像素点的LBP值;
然后计算每个cell的直方图,即每个数字出现的频率;然后对该直方图进行归一化处理;
最后将得到的每个cell的统计直方图进行连接成为一个特征向量,也就是整幅图的纹理特征向量。
3、信息录入。
注册时,录入采集目标的基本信息,包括姓名,性别,年龄,身份证号和正面照片等信息。
4、储存入库。注册时,将采集目标的人脸骨骼特征向量和基本信息建立对应关系并建立索引,储存到人脸骨骼模型库中。
换不同的注册对象,不断重复上述步骤1到4,建立起面部骨骼数据库。
识别流程:
1、信息采集。同注册流程。
2、分析处理。同注册流程。
3、验证搜索。识别时,识别可分为验证和搜索。验证是指已知待识别目标身份信息,利用模式分类器将采集到的人脸骨骼信息与面部骨骼模型库中的人脸骨骼信息进行对比,得出采集的人脸骨骼信息是否属于设定的目标对象。搜索是指不知道待测目标身份信息,利用模式分类器将采集到的人脸骨骼信息在面部骨骼模型库中进行搜索,得到采集的人脸骨骼信息是否属于面部骨骼模型库里的某个对象。
4、输出结果。将得到的识别结果输出到输出设备,便于与其他系统或设备链接,如蜂鸣器和显示屏,或者给出一个信号至另一个其他的功能设备,如门禁锁。
一种太赫兹面部骨骼识别装置包括的硬件设备和装置如下:
(1)太赫兹毫米波发射器,用于发射太赫兹毫米波信号;
(2)太赫兹毫米波接收器,用于接收回波信号;
(3)特征提取模块,用于对采集回波信号的特征提取;
面部骨骼模型库(数据库),用于储存注册对象的基本信息和预先获得的面部骨骼回波信号的特征向量。
综上,本发明公开了一种基于太赫兹毫米波的人脸骨骼识别方法。通过向待测目标发射毫米波,并在待测目标面部软组织和面部骨骼交界面上发生反射,通过采集反射回来的毫米波对待测目标的面部骨骼建立三维模型,提取模型的特征向量后在面部骨骼模型库里面进行比对和搜索,得到识别结果。包括发射毫米波,采集发射毫米波,面部骨骼建模,特征提取和验证搜索五个部分。本发明的优点:在部分有遮挡情况下也能识别人脸;不受外部可见光因素的影响;不受表情变化,年龄增长,整容等的影响;安全性提高,有效防止照片,视频和三维模型等欺骗手段。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (7)
1.一种基于太赫兹的人脸骨骼识别方法,其特征在于,包括以下实现步骤:
步骤1,向待测目标面部发射太赫兹毫米波;
步骤2,采集目标骨骼反射回来的太赫兹毫米波信号;
步骤3,根据步骤2中采集的信号对待测目标的面部骨骼建立三维模型,并对得到的三维骨骼模型进行特征向量提取,然后利用分类器在面部骨骼模型库里面匹配,得出识别结果。
2.根据权利要求1所述的一种基于太赫兹的人脸骨骼识别方法,其特征在于,步骤1、2的具体过程为:
通过控制器模块控制毫米波发射器驱动电路产生驱动电信号,驱动电信号使毫米波发射器产生一定频率的毫米波;在空气中毫米波沿直线传播一段距离后到达人脸并穿透人脸软组织,在软组织和骨头的交界面发生较强的反射,产生的反射毫米波携带着目标的面部骨骼信息被反射波接收器采集;
反射波接收器将采集到的毫米波信号转换成模拟电信号,模拟电信号经过一个前置滤波器,滤除无用噪声信号,保留携带着面部骨骼信息的部分,提高信噪比;模数转换器ADC将滤波过后的连续模拟信号采样和量化后转变成离散的数字信号并传送到控制器模块,到此信息采集完成。
3.根据权利要求1所述的一种基于太赫兹的人脸骨骼识别方法,其特征在于,毫米波发射器可采用半导体瞬间电流产生或由加速电子产生,或者是光电导产生或非线性差频产生,或者是热辐射或高能加速器产生。
4.根据权利要求3所述的一种基于太赫兹的人脸骨骼识别方法,其特征在于,毫米波发射器产生毫米波可以是空间水平扫描信号或着空间垂扫描信号,也可以是毫米波发射器阵列同时发射毫米波方式;其中,发射毫米波的频率为0.1-10THz的选频信号。
5.根据权利要求1所述的一种基于太赫兹的人脸骨骼识别方法,其特征在于,所述面部骨骼模型库的建立方法如下:根据采集的信号对待测目标的面部骨骼建立三维模型,并对得到的三维骨骼模型进行特征向量提取,将采集目标的人脸骨骼特征向量和待测目标的基本信息编排一个特定且唯一的编号实现一一对应关系,然后一起存储到面部骨骼模型库中,并建立索引;其中,面部骨骼模型库的建立过程,需要从不同方向向目标面部发射毫米波,采集多组数据,然后生成特征向量。
6.根据权利要求1所述的一种基于太赫兹的人脸骨骼识别方法,其特征在于,对得到的三维骨骼模型进行特征向量提取的过程为:
首先将检测窗口划分为N×N的小区域cell;
对于每个cell中的一个像素,将相邻的8个像素的灰度值与其进行比较,若周围像素值大于中心像素值,则该像素点的位置被标记为1,否则为0,这样,3*3邻域内的8个点经比较可产生8位二进制数,即得到该窗口中心像素点的LBP值;
然后计算每个cell的直方图,即每个数字出现的频率;然后对该直方图进行归一化处理;
最后将得到的每个cell的统计直方图进行连接成为一个特征向量,也就是整幅图的纹理特征向量。
7.根据权利要求1所述的一种基于太赫兹的人脸骨骼识别方法,其特征在于,利用分类器在面部骨骼模型库里面匹配,得出识别结果的具体过程为:
选择SVM模式分类器,选用径向基核函数训练,将人脸骨骼模型库里面的样本分成两部分,将每类样本中60%的人脸骨骼数据的特征向量样本以及样本的识别结果作为训练样本集,对分类器进行学习训练,从而得到目标模型参数作为识别的重要依据,即标准模型,并将每类样本中剩下的40%作为验证测试样本集,对得到的标准模型性能进行验证;
采集目标对象的面部骨骼信息并提取得到特征向量,利用SVM分类器在已建成的太赫兹面部骨骼模型库中进行身份识别对比,判断待识别目标对象是否存在于模型库中,并在显示器上输出识别结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010434155.1A CN111753660A (zh) | 2020-05-21 | 2020-05-21 | 一种基于太赫兹毫米波的人脸骨骼识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010434155.1A CN111753660A (zh) | 2020-05-21 | 2020-05-21 | 一种基于太赫兹毫米波的人脸骨骼识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111753660A true CN111753660A (zh) | 2020-10-09 |
Family
ID=72673439
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010434155.1A Pending CN111753660A (zh) | 2020-05-21 | 2020-05-21 | 一种基于太赫兹毫米波的人脸骨骼识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111753660A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112434625A (zh) * | 2020-11-30 | 2021-03-02 | 深圳市聚酷智能科技有限公司 | 一种非接触式生命体征监测方法和监测设备 |
CN113449637A (zh) * | 2021-06-28 | 2021-09-28 | 桂林电子科技大学 | 毫米波雷达人体骨骼姿势估计方法和装置 |
CN116434289A (zh) * | 2021-12-30 | 2023-07-14 | 同方威视技术股份有限公司 | 毫米波或太赫兹波身份验证方法及装置、毫米波或太赫兹波安检设备和电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101396277A (zh) * | 2007-09-26 | 2009-04-01 | 中国科学院声学研究所 | 一种超声波人脸识别方法和识别装置 |
CN106548160A (zh) * | 2016-11-09 | 2017-03-29 | 浙江博天科技有限公司 | 一种人脸微笑检测方法 |
CN109697417A (zh) * | 2018-12-14 | 2019-04-30 | 江阴弘远新能源科技有限公司 | 一种用于变桨系统柜的生产管理系统 |
CN110175614A (zh) * | 2019-04-23 | 2019-08-27 | 浙江工业大学 | 一种印刷电路板过孔内壁质量的检测方法 |
-
2020
- 2020-05-21 CN CN202010434155.1A patent/CN111753660A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101396277A (zh) * | 2007-09-26 | 2009-04-01 | 中国科学院声学研究所 | 一种超声波人脸识别方法和识别装置 |
CN106548160A (zh) * | 2016-11-09 | 2017-03-29 | 浙江博天科技有限公司 | 一种人脸微笑检测方法 |
CN109697417A (zh) * | 2018-12-14 | 2019-04-30 | 江阴弘远新能源科技有限公司 | 一种用于变桨系统柜的生产管理系统 |
CN110175614A (zh) * | 2019-04-23 | 2019-08-27 | 浙江工业大学 | 一种印刷电路板过孔内壁质量的检测方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112434625A (zh) * | 2020-11-30 | 2021-03-02 | 深圳市聚酷智能科技有限公司 | 一种非接触式生命体征监测方法和监测设备 |
CN113449637A (zh) * | 2021-06-28 | 2021-09-28 | 桂林电子科技大学 | 毫米波雷达人体骨骼姿势估计方法和装置 |
CN116434289A (zh) * | 2021-12-30 | 2023-07-14 | 同方威视技术股份有限公司 | 毫米波或太赫兹波身份验证方法及装置、毫米波或太赫兹波安检设备和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111753660A (zh) | 一种基于太赫兹毫米波的人脸骨骼识别方法 | |
Wang et al. | Near-and far-infrared imaging for vein pattern biometrics | |
JP4020251B2 (ja) | 光波分光学を使用する個体の生体測定的な識別または照合の装置および方法 | |
CN113420624A (zh) | 一种非接触式疲劳检测方法及系统 | |
CN111461037B (zh) | 一种基于fmcw雷达的端到端手势识别方法 | |
US8131074B2 (en) | Specific emitter identification using histogram of oriented gradient features | |
CN110456320B (zh) | 一种基于自由空间步态时序特征的超宽带雷达身份识别方法 | |
CA2587214A1 (en) | Method and apparatus for electro-biometric indentity recognition | |
Truong et al. | Generative adversarial network for radar signal synthesis | |
CN111325748A (zh) | 一种基于卷积神经网络的红外热像无损检测方法 | |
CN104239766A (zh) | 基于视频和音频的核电站用身份认证方法和系统 | |
CN110046564B (zh) | 一种多光谱活体指纹识别设备及识别方法 | |
US20240000345A1 (en) | MILLIMETER-WAVE (mmWave) RADAR-BASED NON-CONTACT IDENTITY RECOGNITION METHOD AND SYSTEM | |
CN110007366A (zh) | 一种基于多传感器融合的生命搜寻方法以及系统 | |
CN111144252B (zh) | 一种用于人流分析的监控预警方法 | |
CN112985574B (zh) | 基于模型融合的光纤分布式声波传感信号高精度分类识别方法 | |
CN109886319A (zh) | 一种基于毫米波安检图像的隐匿物检测方法及系统 | |
CN110443106A (zh) | 单像素传感器 | |
CN113609977A (zh) | 基于信道状态信息商距离的行人步态识别方法 | |
CN110069965A (zh) | 一种机器人身份识别方法 | |
CN114814832A (zh) | 基于毫米波雷达的人体跌倒行为实时监测系统及监测方法 | |
Zeng et al. | User-definable dynamic hand gesture recognition based on Doppler radar and few-shot learning | |
CN111738076A (zh) | 一种非接触式的掌纹掌静脉识别方法及装置 | |
CN116338684A (zh) | 基于毫米波雷达与深度学习的人体跌倒检测方法及系统 | |
CN106473752A (zh) | 利用全像场弱相干层析成像术对身份识别的方法及结构 |
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 |