CN116631022A - 一种人脸精准识别方法、装置、设备以及存储介质 - Google Patents

Abstract

本发明公开了一种人脸精准识别方法、装置、终端以及存储介质，所述方法包括配置双目视觉装置，所述双目视觉装置包括第一相机以及第二相机；使用所述双目视觉装置拍摄带有人脸信息的第一图像以及第二图像；建立坐标系，分别提取所述第一图像、第二图像中的对齐特征点以及鼻尖特征点的x轴坐标；根据所述对齐特征点进行人脸对齐，基于所述鼻尖特征点，通过距离公式计算人脸与所述双目视觉装置的深度距离d。本发明通过人脸信息中的鼻尖特征点获取可识别人员与双目视觉装置的深度距离d，使得识别设备能够便捷的通过双目视觉设备判断人脸与设备之间的距离，实现了可识别人员的准确定位，且无需增加硬件成本和算力消耗。

Description

一种人脸精准识别方法、装置、设备以及存储介质

技术领域

本发明涉及计算机技术领域，尤其涉及一种人脸精准识别方法、装置、设备以及存储介质。

背景技术

随着人工智能的发展，研究人员对人脸识别领域的研究有了巨大突破，从而意识到人脸识别在未来发展中广阔的应用价值与应用场景。

人脸识别在现实生活中有许多的应用，其中主要的应用为刷脸考勤系统，现有的人脸识别考勤系统中主要目的在于抓取像素占比最大的人脸进行识别，然而在幼儿园、小学等场景，这种方式有如下弊端：

1、幼儿园场景，儿童，老师，家长复杂场景下，无法保证前面的人脸比抓拍识别，因为后面的可能是大人或年龄更大的儿童，其人脸像素占比比前面的人脸像素多，系统识别到后面的人脸，前面人脸漏刷，导致考勤数据丢失。

2、由于儿童脸部像素占比较小，为了保证儿童在能在0.9-1.2米仍能被识别到，需要设定较高的识别像素占比，这时大人的人脸，有效范围超过2米以上，导致识别到铁门外的无关人员。

3、多个识别系统识别范围太大，经常性发生人脸在2台以上识别终端，同时识别到同一人的人脸。

为了解决上述问题，需要在人脸识别中加入设备-人脸之间的距离作为识别的条件，通过设置结构光虽然可以测距离，在户外阳光下，干扰严重，工作不正常，相应的硬件成本也较高。

因此迫切需要一种低成本、快速判断设备与人脸之间距离的精准人脸识别方法，以减少误识别率。

发明内容

为了解决上述技术问题，本发明第一方面公开了一种人脸精准识别方法，所述方法包括：

配置双目视觉装置，所述双目视觉装置包括第一相机以及第二相机；

使用所述双目视觉装置拍摄带有人脸信息的第一图像以及第二图像；

建立坐标系，分别提取所述第一图像、第二图像中的对齐特征点以及鼻尖特征点的x轴坐标；

根据所述对齐特征点进行人脸对齐，基于所述鼻尖特征点，通过距离公式计算人脸与所述双目视觉装置的深度距离d，所述距离公式如下：

其中，cx*cy为所述双目视觉装置分辨率,dx为所述第一相机和第二相机的距离，v为水平视角；

通过所述深度距离d定位可识别人员。

进一步的，配置所述双目视觉装置中，还包括对所述双目视觉装置中的第一相机、第二相机的相对位置进行标定矫正。

进一步的，在提取所述对齐特征点以及鼻尖特征点时，采用pytorch平台训练特征点检测模型。

进一步的，在所述特征点检测模型中，利用损失函数对所述特征点检测模型进行至少一个阶段的训练直至模型收敛，所述损失函数包括MSE损失函数，所述MSE损失函数公式定义如下：

其中，y为训练数据特征点的值，为模型预测值。

本发明第二方面公开了一种人脸精准识别装置，所述装置包括：

双目视觉装置，所述双目视觉装置包括第一相机以及第二相机，所述第一相机和所述第二相机之间的间距为dx；所述双目视觉装置用于拍摄带有人脸信息的第一图像以及第二图像；

提取模块，其用于建立坐标系，分别提取所述第一图像、第二图像中的对齐特征点以及鼻尖特征点的x轴坐标；

对齐模块，其用于根据所述对齐特征点进行人脸对齐

深度距离计算模块，其用于基于所述鼻尖特征点，通过距离公式计算人脸与所述双目视觉装置的深度距离d，所述距离公式如下：

其中，cx*cy为所述双目视觉装置分辨率,dx为所述第一相机和第二相机的距离，v为水平视角；

定位模块，其用于通过所述深度距离d定位可识别人员。

本发明第三方面公开了一种人脸精准识别终端，所述终端包括：

存储有可执行程序代码的存储器；

与所述存储器耦合的处理器；

所述处理器调用所述存储器中存储的所述可执行程序代码，执行如本发明第一方面公开的人脸精准识别方法。

本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面公开的人脸精准识别方法中的部分或全部步骤。

与现有技术相比，本发明实施例具有以下有益效果：

本发明实施例中，通过配置带有第一相机以及第二相机的双目视觉装置，双目视觉装置的水平方向上有夹角位移，因此物体成像也会有水平视觉差，根据成像的水平视觉差能够计算人脸的距离，本发明通过人脸信息中的鼻尖特征点获取可识别人员与双目视觉装置的深度距离d，使得识别设备能够便捷的通过双目视觉设备判断人脸与设备之间的距离，实现了可识别人员的准确定位，且无需增加硬件成本和算力消耗。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。

图1是本发明实施例公开的一种人脸精准识别方法的流程示意图；

图2是本发明实施例公开的一种人脸精准识别装置的结构示意图；

图3是本发明实施例公开的一种人脸精准识别终端的结构示意图；

图4是本发明实施例公开的一种计算机存储介质的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或端没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

本发明公开了一种人脸精准识别方法、装置、终端以及存储介质，本发明实施例中，通过配置带有第一相机以及第二相机的双目视觉装置，双目视觉装置的水平方向上有夹角位移，因此物体成像也会有水平视觉差，根据成像的水平视觉差能够计算人脸的距离，本发明通过人脸信息中的鼻尖特征点获取可识别人员与双目视觉装置的深度距离d，使得识别设备能够便捷的通过双目视觉设备判断人脸与设备之间的距离，实现了可识别人员的准确定位，且无需增加硬件成本和算力消耗。以下分别进行详细说明。

实施例一

请参阅图1，图1是本发明实施例公开的一种人脸精准识别方法的流程示意图。如图1所示，该文本召回方法可以包括以下操作：

101配置双目视觉装置，双目视觉装置包括第一相机以及第二相机；在双目视觉中，我们对相机进行标定和校正，最终目的是使得两个相机的光轴完全平行，这样才能够继续后续的深度距离d的计算。因此，在配置双目视觉装置时，还包括对双目视觉装置中的第一相机、第二相机的相对位置进行标定矫正。

102使用双目视觉装置拍摄带有人脸信息的第一图像以及第二图像；

103建立坐标系，分别提取第一图像、第二图像中的对齐特征点以及鼻尖特征点的x轴坐标；

104根据对齐特征点进行人脸对齐，基于鼻尖特征点，通过距离公式计算人脸与双目视觉装置的深度距离d，距离公式如下：

其中，cx*cy为双目视觉装置分辨率,dx为第一相机和第二相机的距离，v为水平视角，h为垂直视角，abs(x₂-x₁)的绝对值为第一相机和第二相机检测到的鼻尖特征点水平像素差；由下述等式推导获得：

cx像素/水平视宽＝鼻尖特征点水平像素差/dx

即

本实施例中优选的，第一相机和第二相机之间的水平距离dx为10cm。

105通过深度距离d定位可识别人员。

进一步的，在提取对齐特征点以及鼻尖特征点时，采用pytorch平台训练特征点检测模型。其中网络模型定义如下：

class FaceLandmarkNet(nn.Module):

def__init__(self,pretrained＝True):

super().__init__()

self.Conv2d1＝nn.Conv2d(3,32,kernel_size＝3)

self.pr1＝nn.PReLU(32)

self.pool1＝nn.MaxPool2d(3,2,ceil_mode＝True)

self.Conv2d2＝nn.Conv2d(32,64,kernel_size＝3)

self.pr2＝nn.PReLU(64)

self.pool2＝nn.MaxPool2d(3,2,ceil_mode＝True)

self.Conv2d3＝nn.Conv2d(64,64,kernel_size＝3)

self.pr3＝nn.PReLU(64)

self.pool3＝nn.MaxPool2d(2,2,ceil_mode＝True)

self.Conv2d4＝nn.Conv2d(64,128,kernel_size＝2)

self.pr4＝nn.PReLU(128)

self.dense5＝nn.Linear(1152,256)

self.pr5＝nn.PReLU(256)

self.Landmark＝nn.Linear(256,10)

#预测10个数值，左眼，右眼，鼻尖，左嘴角，右嘴角的坐标xy

def forward(self,x):

x＝self.Conv2d1(x)

x＝self.pr1(x)

x＝self.pool1(x)

x＝self.Conv2d(x)

x＝self.pr2(x)

x＝self.pool2(x)

x＝self.Conv2d3(x)

x＝self.pr3(x)

x＝self.pool3(x)

x＝self.Conv2d4(x)

x＝self.pr4(x)

x＝x.permute(0,3,2,1).contiguous()

x＝self.dense5(x.view(x.shape[0],-1))

x＝self.pr5(x)

return self.Landmark(x)

#返回预测10个数值，左眼，右眼，鼻尖，左嘴角，右嘴角的坐标xy。进一步的，在特征点检测模型中，利用损失函数对特征点检测模型进行至少一个阶段的训练直至模型收敛，损失函数包括MSE损失函数，MSE损失函数公式定义如下：

其中，y为训练数据特征点的值，为模型预测值。

Mean Square Error(MSE)是回归任务中最通用的损失函数，MSE是目标值与预测值之间差值平方和的均值。

本发明实施例至少具有以下有益效果：

(1)通过双目视觉装置，获取人脸与设备的之间的深度距离d，为后续的可识别人员的定位提供了更加精确的数据基础。

(2)无需增加带有结构光的三维人脸采集设备，降低了硬件成本且避免了算力消耗过大的问题，有效增加了人脸识别的应用场景。

(3)使用人脸与设备的距离作为识别判断的条件，有效避免了人脸像素占比导致错误识别的问题，确保距离设备最近的人脸得到识别。

可见，实施图1所描述的人脸精准识别方法，通过配置带有第一相机以及第二相机的双目视觉装置，双目视觉装置的水平方向上有夹角位移，因此物体成像也会有水平视觉差，根据成像的水平视觉差能够计算人脸的距离，本发明通过人脸信息中的鼻尖特征点获取可识别人员与双目视觉装置的深度距离d，使得识别设备能够便捷的通过双目视觉设备判断人脸与设备之间的距离，实现了可识别人员的准确定位，且无需增加硬件成本和算力消耗。

实施例二

请参阅图2，图2是本发明实施例公开的一种人脸精准识别装置的结构示意图。如图2所示，该人脸精准识别装置可以包括：

201双目视觉装置，双目视觉装置包括第一相机以及第二相机，第一相机和第二相机之间的间距为dx；双目视觉装置用于拍摄带有人脸信息的第一图像以及第二图像；

202提取模块，其用于建立坐标系，分别提取第一图像、第二图像中的对齐特征点以及鼻尖特征点的x轴坐标；

203对齐模块，其用于根据对齐特征点进行人脸对齐

204深度距离计算模块，其用于基于鼻尖特征点，通过距离公式计算人脸与双目视觉装置的深度距离d，距离公式如下：

其中，cx*cy为双目视觉装置分辨率,dx为第一相机和第二相机的距离，v为水平视角；

205定位模块，其用于通过深度距离d定位可识别人员。

对于上述人脸精准识别装置的具体描述可以参照上述人脸精准识别方法的具体描述，在此不再一一赘述。

实施例三

请参阅图3，图3是本发明实施例公开的一种人脸精准识别终端的结构示意图。如图3所示，该人脸精准识别终端可以包括：

存储有可执行程序代码的存储器301；

与存储器301耦合的处理器302；

处理器302调用存储器301中存储的可执行程序代码，执行本发明实施例一公开的人脸精准识别方法中的步骤。

实施例四

请参阅图4，图4是本发明实施例公开的一种计算机存储介质的结构示意图。如图4所示，本发明实施例公开了一种计算机存储介质401，计算机存储介质401存储有计算机指令，该计算机指令被调用时，用于执行本发明实施例一公开的人脸精准识别方法中的步骤。

以上所描述的装置实施例仅是示意性的，其中作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-OnlyMemory，ROM)、随机存储器(RandomAccessMemory，RAM)、可编程只读存储器(ProgrammableRead-onlyMemory，PROM)、可擦除可编程只读存储器(ErasableProgrammableReadOnlyMemory，EPROM)、一次可编程只读存储器(One-timeProgrammableRead-OnlyMemory，OTPROM)、电子抹除式可复写只读存储器(Electrically-ErasableProgrammableRead-OnlyMemory，EEPROM)、只读光盘(CompactDiscRead-OnlyMemory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。

最后应说明的是：本发明实施例公开的一种人脸精准识别方法、装置、终端以及存储介质所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项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；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。

Claims (7)

1.一种人脸精准识别方法，其特征在于，所述方法包括：

配置双目视觉装置，所述双目视觉装置包括第一相机以及第二相机；

使用所述双目视觉装置拍摄带有人脸信息的第一图像以及第二图像；

建立坐标系，分别提取所述第一图像、第二图像中的对齐特征点以及鼻尖特征点的x轴坐标；

根据所述对齐特征点进行人脸对齐，基于所述鼻尖特征点，通过距离公式计算人脸与所述双目视觉装置的深度距离d，所述距离公式如下：

其中，cx*cy为所述双目视觉装置分辨率,dx为所述第一相机和第二相机的距离，v为水平视角；

通过所述深度距离d定位可识别人员。

2.根据权利要求1所述的人脸精准识别方法，其特征在于，

配置所述双目视觉装置中，还包括对所述双目视觉装置中的第一相机、第二相机的相对位置进行标定矫正。

3.根据权利要求2所述的人脸精准识别方法，其特征在于，

在提取所述对齐特征点以及鼻尖特征点时，采用pytorch平台训练特征点检测模型。

4.根据权利要求3所述的人脸精准识别方法，其特征在于，

在所述特征点检测模型中，利用损失函数对所述特征点检测模型进行至少一个阶段的训练直至模型收敛，所述损失函数包括MSE损失函数，所述MSE损失函数公式定义如下：

其中，y为训练数据特征点的值，为模型预测值。

5.一种人脸精准识别装置，其特征在于，所述装置包括：

双目视觉装置，所述双目视觉装置包括第一相机以及第二相机，所述第一相机和所述第二相机之间的间距为dx；所述双目视觉装置用于拍摄带有人脸信息的第一图像以及第二图像；

提取模块，其用于建立坐标系，分别提取所述第一图像、第二图像中的对齐特征点以及鼻尖特征点的x轴坐标；

对齐模块，其用于根据所述对齐特征点进行人脸对齐

深度距离计算模块，其用于基于所述鼻尖特征点，通过距离公式计算人脸与所述双目视觉装置的深度距离d，所述距离公式如下：

其中，cx*cy为所述双目视觉装置分辨率,dx为所述第一相机和第二相机的距离，v为水平视角；

定位模块，其用于通过所述深度距离d定位可识别人员。

6.一种人脸精准识别终端，其特征在于，所述终端包括：

存储有可执行程序代码的存储器；

与所述存储器耦合的处理器；

所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-4任一项所述的人脸精准识别方法。

7.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-4任一项所述的人脸精准识别方法。