CN113723380B - 基于雷达技术的人脸识别方法、装置、设备和存储介质 - Google Patents
基于雷达技术的人脸识别方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN113723380B CN113723380B CN202111291012.0A CN202111291012A CN113723380B CN 113723380 B CN113723380 B CN 113723380B CN 202111291012 A CN202111291012 A CN 202111291012A CN 113723380 B CN113723380 B CN 113723380B
- Authority
- CN
- China
- Prior art keywords
- face
- feature points
- face recognition
- points
- characteristic
- 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.)
- Active
Links
Images
Landscapes
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于雷达技术的人脸识别方法、装置、设备和存储介质,所述方法通过两个无线探测模块对人脸进行探测并生成对应的两张深度图,并根据两张深度图得到摄像头对人脸的拍摄角度;根据拍摄角度获取对应的特征距离比校正系数,并根据特征距离比校正系数对摄像头拍摄到的人脸图像的人脸识别过程进行校准。本发明可以判断待识别人脸是否是真实人脸,能有效避免了使用图像脸来冒充真实人脸来进行人脸识别的现象,并能够提高人脸识别的安全性与准确性。
Description
技术领域
本申请涉及人脸识别技术领域,具体而言,涉及一种基于雷达技术的人脸识别方法、装置、设备和存储介质。
背景技术
人脸识别技术是当前发展非常迅速,也得到广泛应用的一项计算机技术。该技术可用于人脸识别门禁考勤系统,人脸识别防盗门,人脸识别手机解锁,通过人脸识别控制机器人等。随着计算机及人工智能技术的进一步发展,人脸识别技术将应用到越来越多的领域,具有广阔的应用前景。
但是近年来,在人脸识别技术的发展过程中,出现了人脸的欺骗行为,如通过将人脸图像打印到纸张上,或者使用投影、液晶显示屏等显示设备显示人脸图像,然后将人脸图像放置在人脸识别系统装置前进行识别。这些人脸图像跟真实人脸图像有很大的相似性,容易被识别系统当成真实的人脸进行识别,造成识别安全漏洞。
发明内容
有鉴于此,本申请的目的在于提供基于雷达技术的人脸识别方法、装置、设备和存储介质,能够判断待识别人脸是否是真实人脸,能有效避免了使用图像脸来冒充真实人脸来进行人脸识别的现象,并能够提高人脸识别的安全性与准确性。
第一方面,本发明实施例提供一种基于雷达技术的人脸识别方法,由由人脸识别设备的主控装置执行,所述人脸识别设备包括摄像头模块、所述主控装置和两个用于向周围环境发射人体探测信号并接收返回信号的无线探测模块,所述两个无线探测模块位于所述摄像头模块的两侧且与所述摄像头模块的距离相等;所述方法包括:
控制两个所述无线探测模块向周围发射人体探测信号,并控制所述摄像头模块对人脸进行拍摄;
根据两个所述无线探测模块接收到的返回信号生成对应的两张深度图;
对两张所述深度图进行图像特征点提取,得到待识别的图像特征点;
判断所述待识别的图像特征点是否为目标左眼部特征点、目标右眼部特征点和鼻中特征点;
若是,根据两张所述深度图各自的目标左眼部特征点、目标右眼部特征点到鼻中特征点的距离,得到所述摄像头对人脸的拍摄角度;
对所述摄像头模块拍摄的人脸图像进行人脸特征点提取,并得到多个目标人脸特征点;
基于预设的拍摄角度与特征距离比校正系数的映射关系,获取与所述拍摄角度对应的特征距离比校正系数,并利用所述特征距离比校正系数对多个目标人脸特征点距离比进行校正,得到校正后的多组人脸特征点距离比;
将校正后的多组人脸特征点距离比与标准拍摄角度所对应的标准人脸特征点距离比进行匹配,并根据匹配结果得到人脸识别结果。
作为上述方案的改进,所述根据两个所述无线探测模块接收到的返回信号生成对应的两张深度图,包括:
判断根据两个所述无线探测模块接收到的返回信号是否满足预设的接收距离条件;
根据两个所述无线探测模块接收到的满足所述接收距离条件的返回信号,生成对应的两张深度图。
作为上述方案的改进,所述目标左眼部特征点包括:左眼角特征点,所述目标右眼部特征点包括:右眼角特征点。
作为上述方案的改进,所述目标人脸特征点包括:左眼角特征点、右眼角特征点、左眼上眼眶中点、右眼上眼眶中点、鼻中特征点。
作为上述方案的改进,所述对两张所述深度图进行图像特征点提取,得到待识别的图像特征点,包括:
对两张所述深度图的空缺处进行深度值补缺;
对进行深度值补缺后的两张所述深度图进行图像特征点提取,得到待识别的图像特征点。
作为上述方案的改进,所述对两张所述深度图的空缺处进行深度值补缺,包括:
从所述深度图的空缺处出发,逐步扩大搜索范围,检查所述空缺处的预设数量邻域内含有深度值的像素点,直到找到5个含有深度值的像素点;
以所述5个含有深度值的像素点为控制格点,并用三次样条插值来计算所述空缺处的待补缺的深度值;
利用计算好的所述深度值来对所述深度图的空缺处进行深度值补缺。
作为上述方案的改进,所述待补缺的深度值的计算方法为:
第二方面,实施例提供一种基于雷达技术的人脸识别装置,所述人脸识别装置包括摄像头模块、主控装置和两个用于向周围环境发射人体探测信号并接收返回信号的无线探测模块,所述两个无线探测模块位于所述摄像头模块的两侧且与所述摄像头模块的距离相等;所述主控装置用于:
控制两个所述无线探测模块向周围发射人体探测信号,并控制所述摄像头模块对人脸进行拍摄;
根据两个所述无线探测模块接收到的返回信号生成对应的两张深度图;
对两张所述深度图进行图像特征点提取,得到待识别的图像特征点;
判断所述待识别的图像特征点是否为目标左眼部特征点、目标右眼部特征点和鼻中特征点;
若是,根据两张所述深度图各自的目标左眼部特征点、目标右眼部特征点到鼻中特征点的距离,得到所述摄像头对人脸的拍摄角度;
对所述摄像头模块拍摄的人脸图像进行人脸特征点提取,并得到多个目标人脸特征点;
基于预设的拍摄角度与特征距离比校正系数的映射关系,获取与所述拍摄角度对应的特征距离比校正系数,并利用所述特征距离比校正系数对多个目标人脸特征点距离比进行校正,得到校正后的多组人脸特征点距离比;
将校正后的多组人脸特征点距离比与标准拍摄角度所对应的标准人脸特征点距离比进行匹配,并根据匹配结果得到人脸识别结果。
作为上述方案的改进,所述目标左眼部特征点包括:左眼角特征点,所述目标右眼部特征点包括:右眼角特征点。
第三方面,实施例提供一种人脸识别设备,包括处理器及存储有计算机指令的非易失性存储器,所述计算机指令被所述处理器执行时,所述人脸识别设备执行前述实施方式中任意一项所述的基于雷达技术的人脸识别方法。
第四方面,实施例提供一种存储介质,所述存储介质中存储有计算机程序,所述计算机程序被执行时实现前述实施方式中任意一项所述的基于雷达技术的人脸识别方法。
本申请实施例的有益效果:
本申请实施例提供的基于雷达技术的人脸识别方法、装置、设备和存储介质,通过两个无线探测模块对人脸进行探测并生成对应的两张深度图,并根据两张深度图得到摄像头对人脸的拍摄角度;根据拍摄角度获取对应的特征距离比校正系数,并根据特征距离比校正系数对摄像头拍摄到的人脸图像的人脸识别过程进行校准,最后得到准确的人脸识别结果。由上分析可知,本发明实施例通过结合雷达成像和光学成像技术来进行人脸识别,可以判断待识别人脸是否是真实人脸,能有效避免了使用图像脸来冒充真实人脸来进行人脸识别的现象;并且本发明实施例是通过将从人脸图像得到的特征点距离比与标准的人脸特征点距离比进行匹配的方式来进行人脸识别,并通过两个无线探测模块的人脸成像来得到所述摄像头模块的拍摄角度,并根据拍摄角度来校准人脸特征点距离比匹配的过程,这样不仅人脸识别过程快速高效,且人脸识别的安全性与准确性高,而且无需过多的人脸匹配样本,仅需一组标准人脸特征点距离比即可实现对多个拍摄角度的人脸图像的准确人脸识别。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的人脸识别设备的结构示意图;
图2为本申请实施例提供的基于雷达技术的人脸识别方法的流程图;
图3为本申请实施例提供的基于雷达技术的人脸识别方法对人脸特征提取的示意图;
附图标注说明:90.摄像头模块;91.主控装置;92.无线探测模块;100.人脸识别设备;120.存储器;130.处理器。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
目前,大部分的人脸识别技术都是二维识别,容易被欺骗。因此,为了解决上述问题,本申请提出一种基于雷达技术的人脸识别方法、装置、设备和存储介质。
首先,请参照图1,图1为本申请实施例提供的人脸识别设备100的结构示意图。本申请实施例提供的基于雷达技术的人脸识别方法应用于该人脸识别设备100,该人脸识别设备100包括有处理器130、存储器120以及所述主控装置91,所述存储器120与处理器130各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述人脸识别设备100包括摄像头模块90、所述主控装置91和两个用于向周围环境发射人体探测信号并接收返回信号的无线探测模块92,所述两个无线探测模块92位于所述摄像头模块90的两侧且与所述摄像头模块90的距离相等。所述主控装置91包括至少一个可以软件或固件(firmware)的形式存储于所述存储器120中或固化在所述人脸识别设备100的操作系统(Operating System,OS)中的软件功能模块。所述处理器130用于执行所述存储器120中存储的可执行模块,例如所述主控装置91所包括的软件功能模块及计算机程序等。所述人脸识别设备100可以是,但不限于,可穿戴设备、智能手机、平板电脑、个人数字助理等。
其中,所述存储器120可以是,但不限于,随机存取存储器120(RandomAccessMemory,RAM),只读存储器120(Read Only Memory,ROM),可编程只读存储器120(ProgrammableRead-Only Memory,PROM),可擦除只读存储器120(Erasable ProgrammableRead-OnlyMemory,EPROM),电可擦除只读存储器120(Electric Erasable ProgrammableRead-OnlyMemory,EEPROM)等。其中,存储器120用于存储程序,所述处理器130在接收到执行指令后,执行所述程序。
所述处理器130可能是一种集成电路芯片,具有信号的处理能力。上述的处理器130可以是通用处理器130,包括中央处理器130(Central Processing Unit,简称CPU)、网络处理器130(Network Processor,简称NP)等;还可以是数字信号处理器130(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器130可以是微处理器130或者该处理器130也可以是任何常规的处理器130等。
下面,对本申请实施例提供的基于雷达技术的人脸识别方法进行详细说明。请参照图2,图2为本申请实施例提供的基于雷达技术的人脸识别方法的流程图,该方法应用于图1中的人脸识别设备100(具体为人脸识别设备100的主控装置91),该方法包括步骤S10-S17:
S10,控制两个所述无线探测模块92向周围发射人体探测信号,并控制所述摄像头模块90对人脸进行拍摄。
其中,所述无线探测模块92可以是用于发出人体探测信号的微波模块,所述人体探测信号遇到人体表面后会返回。
S11,根据两个所述无线探测模块92接收到的返回信号生成对应的两张深度图。
在该步骤中,若无线探测模块92的无线探测方向中有人的头部,则生成的两张深度图中含有人脸部分。可以理解的是,根据发射信号及返回信号来生成深度图的技术可以参考现有的基于雷达的人体成像技术,在此不再做赘述。
具体的,所述步骤S11包括:
S110,判断根据两个所述无线探测模块92接收到的返回信号是否满足预设的接收距离条件;
S111,根据两个所述无线探测模块92接收到的满足所述接收距离条件的返回信号,生成对应的两张深度图。
在本实施例中,当人体脸部对准无线探测模块92时,只根据两个所述无线探测模块92接收到的满足所述接收距离条件的返回信号,生成对应的两张深度图,这样在深度图能够保留人脸部分的情况下,可以大大减少其他非人脸部分的图像内容,这样有利于后续对深度图的人脸图像特征点的快速高效提取,大大减少所需的运算算力。可以理解的是,所述接收距离条件为无线探测模块92的信号接收距离小于预设阈值,例如小于0.5米。
S12,对两张所述深度图进行图像特征点提取,得到待识别的图像特征点。
其中,可以通过现有的相关深度图特征点提取的算法进行图像特征提取,在此不做赘述。具体的,通过对特征点提取模型大量的训练集进行训练,不断地调整网络参数,直至训练完成,获得训练好的深度卷积神经网络。在训练完成之后,即可通过该深度卷积神经网络对人脸深度图进行特征提取,获得多个特征点。
S13,判断所述待识别的图像特征点是否为目标左眼部特征点、目标右眼部特征点和鼻中特征点。
具体可以通过harris角点检测算法、SIFT特征点识别算法或FAST角点检测算法来进行特征点识别。其中,眼部特征点及鼻中特征点在人脸的相关特征点中比较容易识别出来,对识别算法要求不高。
S14,若是,根据两张所述深度图各自的目标左眼部特征点、目标右眼部特征点到鼻中特征点的距离,得到所述摄像头对人脸的拍摄角度。
其中,由于两个无线探测模块92位于所述摄像头模块90的两侧且与所述摄像头模块90的距离相等,所以可以通过分析两个无线探测模块92的深度图成像,来分析得到所述摄像头对人脸的拍摄角度。具体的,计算第一张深度图的目标左眼部特征点到鼻中特征点的距离k1、目标右眼部特征点到鼻中特征点的距离k2,计算第二张深度图的目标左眼部特征点到鼻中特征点的距离k3、目标右眼部特征点到鼻中特征点的距离k4,并通过以下方式来计算所述摄像头对人脸的拍摄角度c:
a=k1/k2,b=k3/k4;
根据预设的ab两者的比值于拍摄角度的映射关系,找到与ab两者比值对应的拍摄角度c。所述映射关系可以是预先根据大量训练数据进行预先设立的。
S15,对所述摄像头模块90拍摄的人脸图像进行人脸特征点提取,并得到多个目标人脸特征点。
具体的,请参照图3,所述目标人脸特征点包括:左眼角特征点、右眼角特征点、左眼上眼眶中点、右眼上眼眶中点、鼻中特征点。
S16,基于预设的拍摄角度与特征距离比校正系数的映射关系,获取与所述拍摄角度对应的特征距离比校正系数,并利用所述特征距离校正系数对多个目标人脸特征点距离比进行校正,得到校正后的多组人脸特征点距离比。
其中,基于预设的拍摄角度与特征距离比校正系数的映射关系,获取与所述拍摄角度对应的特征距离比校正系数,例如,拍摄角度为正面拍摄的0度,则特征距离比校正系数为1,表明不需要校正。拍摄角度为向左侧面拍摄的负45度,则特征距离比校正系数可以设定为:人脸左侧的特征距离比校正系数为0.5,人脸右侧的特征距离比校正系数为2。拍摄角度为向右侧面拍摄的负45度,则特征距离比校正系数可以设定为:人脸左侧的特征距离比校正系数为2,人脸右侧的特征距离比校正系数为0.5。
作为示例的,左眼角特征点到左眼上眼眶中点的距离d1、左眼角特征点到鼻中特征点的距离d2、左眼上眼眶中点到鼻中特征点的距离d3、右眼角特征点到右眼上眼眶中点的距离d4、右眼角特征点到鼻中特征点的距离d5、右眼上眼眶中点到鼻中特征点的距离d6;其中,人脸左侧部分的特征点间距离比为:d1/d2、d1/d3、d2/d3,人脸左侧部分的特征点间距离比为:d4/d5、d4/d6、d5/d6,并将对应的所述特征距离比校正系数对上述这些目标人脸特征点距离比进行校正,得到校正后的多组人脸特征点距离比。
S17,将校正后的多组人脸特征点距离比与标准拍摄角度所对应的标准人脸特征点距离比进行匹配,并根据匹配结果得到人脸识别结果。
本发明实施例通过结合雷达成像和光学成像技术来进行人脸识别,可以判断待识别人脸是否是真实人脸,能有效避免了使用图像脸来冒充真实人脸来进行人脸识别的现象;并且本发明实施例是通过将从人脸图像得到的特征点距离比与标准的人脸特征点距离比进行匹配的方式来进行人脸识别,并通过两个无线探测模块92的人脸成像来得到所述摄像头模块90的拍摄角度,并根据拍摄角度来校准人脸特征点距离比匹配的过程,这样不仅人脸识别过程快速高效,且人脸识别的安全性与准确性高,而且无需过多的人脸匹配样本,仅需一组标准人脸特征点距离比即可实现对多个拍摄角度的人脸图像的准确人脸识别。
在上述实施例中,示例性的,所述步骤S12包括:
S120,对两张所述深度图的空缺处进行深度值补缺;
S121,对进行深度值补缺后的两张所述深度图进行图像特征点提取,得到待识别的图像特征点。
所述对两张所述深度图的空缺处进行深度值补缺,包括:
从所述深度图的空缺处出发,逐步扩大搜索范围,检查所述空缺处的预设数量邻域内含有深度值的像素点,直到找到5个含有深度值的像素点;
以所述5个含有深度值的像素点为控制格点,并用三次样条插值来计算所述空缺处的待补缺的深度值;
利用计算好的所述深度值来对所述深度图的空缺处进行深度值补缺。
所述待补缺的深度值的计算方法为:
在本实施例中,由于人脸是一个平滑的曲面,因此我们使用均匀三次B样条插值函数来填补深度图片中的空缺。在实际应用中,我们从当前的空缺出发,逐步扩大搜索范围,检查该空缺的1邻域,2邻域…直到找到5个以上的含有深度值的像素,然后以这些像素为控制节点用三次样条插值来计算空缺处的深度值。或者当搜索到5邻域时停止,认为该空缺位于人脸边界之外。实际上,这种选取方式有效的对人脸边界进行了5像素的平滑操作,并填补了内部空缺。人脸边界和内部上的空缺往往可以通过这种方法消除。
在另一个实施例中,所述主控装置91应用于图1中的人脸识别设备100,装置包括以下模块:摄像头模块90、主控装置91和两个用于向周围环境发射人体探测信号并接收返回信号的无线探测模块92,所述两个无线探测模块92位于所述摄像头模块90的两侧且与所述摄像头模块90的距离相等;所述主控装置91用于:
控制两个所述无线探测模块92向周围发射人体探测信号,并控制所述摄像头模块90对人脸进行拍摄;
根据两个所述无线探测模块92接收到的返回信号生成对应的两张深度图;
对两张所述深度图进行图像特征点提取,得到待识别的图像特征点;
判断所述待识别的图像特征点是否为目标左眼部特征点、目标右眼部特征点和鼻中特征点;
若是,根据两张所述深度图各自的目标左眼部特征点、目标右眼部特征点到鼻中特征点的距离,得到所述摄像头对人脸的拍摄角度;
对所述摄像头模块90拍摄的人脸图像进行人脸特征点提取,并得到多个目标人脸特征点;
基于预设的拍摄角度与特征距离校正系数的映射关系,获取与所述拍摄角度对应的特征距离校正系数,并利用所述特征距离校正系数对多个目标人脸特征点距离比进行校正,得到校正后的多组人脸特征点距离比;
将校正后的多组人脸特征点距离比与标准拍摄角度所对应的标准人脸特征点距离比进行匹配,并根据匹配结果得到人脸识别结果。
本发明实施例通过结合雷达成像和光学成像技术来进行人脸识别,可以判断待识别人脸是否是真实人脸,能有效避免了使用图像脸来冒充真实人脸来进行人脸识别的现象;并且本发明实施例是通过将从人脸图像得到的特征点距离比与标准的人脸特征点距离比进行匹配的方式来进行人脸识别,并通过两个无线探测模块92的人脸成像来得到所述摄像头模块90的拍摄角度,并根据拍摄角度来校准人脸特征点距离比匹配的过程,这样不仅人脸识别过程快速高效,且人脸识别的安全性与准确性高,而且无需过多的人脸匹配样本,仅需一组标准人脸特征点距离比即可实现对多个拍摄角度的人脸图像的准确人脸识别。
本申请实施例所提供的基于雷达技术的人脸识别装置可以为人脸识别设备100上的特定硬件或者安装于人脸识别设备100上的软件或固件等。本申请实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,前述描述的系统、装置和单元的具体工作过程,均可以参考上述方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供了一种人脸识别设备100,包括处理器130及存储有计算机指令的非易失性存储器120,所述计算机指令被所述处理器130执行时,所述人脸识别设备100执行上述的基于雷达技术的人脸识别方法,具体实施步骤可以参考上述方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供了一种存储介质,所述存储介质中存储有计算机程序,所述计算机程序被执行上述的基于雷达技术的人脸识别方法,具体实施步骤可以参考上述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请提供的实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器120(ROM,Read-Only Memory)、随机存取存储器120(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释,此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (9)
1.一种基于雷达技术的人脸识别方法,其特征在于,由人脸识别设备的主控装置执行,所述人脸识别设备包括摄像头模块、所述主控装置和两个用于向周围环境发射人体探测信号并接收返回信号的无线探测模块,所述两个无线探测模块位于所述摄像头模块的两侧且与所述摄像头模块的距离相等;所述方法包括:
控制两个所述无线探测模块向周围发射人体探测信号,并控制所述摄像头模块对人脸进行拍摄;
根据两个所述无线探测模块接收到的返回信号生成对应的两张深度图;
对两张所述深度图进行图像特征点提取,得到待识别的图像特征点;
判断所述待识别的图像特征点是否为目标左眼部特征点、目标右眼部特征点和鼻中特征点;
若是,根据两张所述深度图各自的目标左眼部特征点、目标右眼部特征点到鼻中特征点的距离,得到所述摄像头对人脸的拍摄角度;
对所述摄像头模块拍摄的人脸图像进行人脸特征点提取,并得到多个目标人脸特征点;
基于预设的拍摄角度与特征距离比校正系数的映射关系,获取与所述拍摄角度对应的特征距离比校正系数,并利用所述特征距离比校正系数对多个目标人脸特征点距离比进行校正,得到校正后的多组人脸特征点距离比;
将校正后的多组人脸特征点距离比与标准拍摄角度所对应的标准人脸特征点距离比进行匹配,并根据匹配结果得到人脸识别结果。
2.根据权利要求1所述的人脸识别方法,其特征在于,所述根据两个所述无线探测模块接收到的返回信号生成对应的两张深度图,包括:
判断根据两个所述无线探测模块接收到的返回信号是否满足预设的接收距离条件;
根据两个所述无线探测模块接收到的满足所述接收距离条件的返回信号,生成对应的两张深度图。
3.根据权利要求1所述的人脸识别方法,其特征在于,所述目标左眼部特征点包括:左眼角特征点,所述目标右眼部特征点包括:右眼角特征点。
4.根据权利要求1所述的人脸识别方法,其特征在于,所述目标人脸特征点包括:左眼角特征点、右眼角特征点、左眼上眼眶中点、右眼上眼眶中点、鼻中特征点。
5.根据权利要求1所述的人脸识别方法,其特征在于,所述对两张所述深度图进行图像特征点提取,得到待识别的图像特征点,包括:
对两张所述深度图的空缺处进行深度值补缺;
对进行深度值补缺后的两张所述深度图进行图像特征点提取,得到待识别的图像特征点。
6.根据权利要求5所述的人脸识别方法,其特征在于,所述对两张所述深度图的空缺处进行深度值补缺,包括:
从所述深度图的空缺处出发,逐步扩大搜索范围,检查所述空缺处的预设数量邻域内含有深度值的像素点,直到找到5个含有深度值的像素点;
以所述5个含有深度值的像素点为控制格点,并用三次样条插值来计算所述空缺处的待补缺的深度值;
利用计算好的所述深度值来对所述深度图的空缺处进行深度值补缺。
7.一种基于雷达技术的人脸识别装置,其特征在于,所述人脸识别装置包括摄像头模块、主控装置和两个用于向周围环境发射人体探测信号并接收返回信号的无线探测模块,所述两个无线探测模块位于所述摄像头模块的两侧且与所述摄像头模块的距离相等;所述主控装置用于:
控制两个所述无线探测模块向周围发射人体探测信号,并控制所述摄像头模块对人脸进行拍摄;
根据两个所述无线探测模块接收到的返回信号生成对应的两张深度图;
对两张所述深度图进行图像特征点提取,得到待识别的图像特征点;
判断所述待识别的图像特征点是否为目标左眼部特征点、目标右眼部特征点和鼻中特征点;
若是,根据两张所述深度图各自的目标左眼部特征点、目标右眼部特征点到鼻中特征点的距离,得到所述摄像头对人脸的拍摄角度;
对所述摄像头模块拍摄的人脸图像进行人脸特征点提取,并得到多个目标人脸特征点;
基于预设的拍摄角度与特征距离比校正系数的映射关系,获取与所述拍摄角度对应的特征距离比校正系数,并利用所述特征距离比校正系数对多个目标人脸特征点距离比进行校正,得到校正后的多组人脸特征点距离比;
将校正后的多组人脸特征点距离比与标准拍摄角度所对应的标准人脸特征点距离比进行匹配,并根据匹配结果得到人脸识别结果。
8.一种人脸识别设备,其特征在于,包括处理器及存储有计算机指令的非易失性存储器,所述计算机指令被所述处理器执行时,所述人脸识别设备执行权利要求1-6中任意一项所述的基于雷达技术的人脸识别方法。
9.一种存储介质,其特征在于,所述存储介质中存储有计算机程序,所述计算机程序被执行时实现权利要求1-6中任意一项所述的基于雷达技术的人脸识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111291012.0A CN113723380B (zh) | 2021-11-03 | 2021-11-03 | 基于雷达技术的人脸识别方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111291012.0A CN113723380B (zh) | 2021-11-03 | 2021-11-03 | 基于雷达技术的人脸识别方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113723380A CN113723380A (zh) | 2021-11-30 |
CN113723380B true CN113723380B (zh) | 2022-02-08 |
Family
ID=78686519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111291012.0A Active CN113723380B (zh) | 2021-11-03 | 2021-11-03 | 基于雷达技术的人脸识别方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113723380B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114511916B (zh) * | 2022-04-19 | 2022-06-17 | 亿慧云智能科技(深圳)股份有限公司 | 基于人脸识别的终端设备控制方法、控制装置及终端设备 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11770197B2 (en) * | 2015-07-17 | 2023-09-26 | Origin Wireless, Inc. | Method, apparatus, and system for accurate wireless monitoring |
TWI571099B (zh) * | 2015-10-16 | 2017-02-11 | 財團法人工業技術研究院 | 深度估測裝置及方法 |
US11315375B2 (en) * | 2017-03-31 | 2022-04-26 | Nec Corporation | Facial authentication system, apparatus, method and program |
US10591586B2 (en) * | 2017-07-07 | 2020-03-17 | Infineon Technologies Ag | System and method for identifying a target using radar sensors |
CN111742191B (zh) * | 2018-02-26 | 2022-01-14 | 三菱电机株式会社 | 三维位置推定装置及三维位置推定方法 |
-
2021
- 2021-11-03 CN CN202111291012.0A patent/CN113723380B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113723380A (zh) | 2021-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11830141B2 (en) | Systems and methods for 3D facial modeling | |
CN109886997B (zh) | 基于目标检测的识别框确定方法、装置及终端设备 | |
CN109737874B (zh) | 基于三维视觉技术的物体尺寸测量方法及装置 | |
CN111340864A (zh) | 基于单目估计的三维场景融合方法及装置 | |
CN109640066B (zh) | 高精度稠密深度图像的生成方法和装置 | |
CN112184757B (zh) | 运动轨迹的确定方法及装置、存储介质、电子装置 | |
CN111160232B (zh) | 正面人脸重建方法、装置及系统 | |
US10908492B2 (en) | Image processing method and apparatus, and electronic device | |
CN110675456B (zh) | 多深度摄像机外部参数标定方法、装置及存储介质 | |
CN109740659B (zh) | 一种图像匹配方法及装置、电子设备、存储介质 | |
CN112883955A (zh) | 货架布局检测方法、装置及计算机可读存储介质 | |
CN112580434A (zh) | 一种基于深度相机的人脸误检优化方法、系统及人脸检测设备 | |
CN113822942A (zh) | 一种基于二维码的单目摄像头测量物体尺寸的方法 | |
CN111680574A (zh) | 一种人脸检测方法、装置、电子设备和存储介质 | |
CN113723380B (zh) | 基于雷达技术的人脸识别方法、装置、设备和存储介质 | |
CN111079470A (zh) | 人脸活体检测的方法和装置 | |
CN114511608A (zh) | 一种深度图像的获取方法、装置、终端、成像系统和介质 | |
CN110458857A (zh) | 中心对称图元检测方法、装置、电子设备及可读存储介质 | |
CN114119695A (zh) | 一种图像标注方法、装置及电子设备 | |
CN113538538A (zh) | 双目图像对齐方法、电子设备和计算机可读存储介质 | |
CN108062765A (zh) | 双目图像处理方法、成像装置及电子设备 | |
CN105931231A (zh) | 一种基于全连接随机场联合能量最小化的立体匹配方法 | |
CN110378964A (zh) | 一种摄像机外参标定方法及装置、存储介质 | |
US20180108173A1 (en) | Method for improving occluded edge quality in augmented reality based on depth camera | |
Miljković et al. | Vehicle Distance Estimation Based on Stereo Camera System with Implementation on a Real ADAS Board |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |