CN117994865A - 一种双目面部匹配方法、装置、电子设备及存储介质 - Google Patents
一种双目面部匹配方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117994865A CN117994865A CN202410398691.9A CN202410398691A CN117994865A CN 117994865 A CN117994865 A CN 117994865A CN 202410398691 A CN202410398691 A CN 202410398691A CN 117994865 A CN117994865 A CN 117994865A
- Authority
- CN
- China
- Prior art keywords
- feature information
- matched
- facial
- motion vector
- facial feature
- 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 87
- 230000001815 facial effect Effects 0.000 claims abstract description 615
- 239000013598 vector Substances 0.000 claims abstract description 381
- 238000012937 correction Methods 0.000 claims description 120
- 238000001514 detection method Methods 0.000 claims description 120
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 10
- 238000013519 translation Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 description 26
- 230000002159 abnormal effect Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 239000000284 extract Substances 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000009471 action Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 239000000428 dust Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 101000755816 Homo sapiens Inactive rhomboid protein 1 Proteins 0.000 description 2
- 102100022420 Inactive rhomboid protein 1 Human genes 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本申请实施例提供了一种双目面部匹配方法、装置、电子设备及存储介质,该方法包括:获取待匹配可见光图像和待匹配红外图像,对待匹配可见光图像和待匹配红外图像进行面部特征提取,基于得到的待匹配可见光图像的第一面部特征信息,以及待匹配红外图像的第二面部特征信息进行双目匹配,得到特征信息匹配结果,如果特征信息匹配结果为匹配成功,根据待匹配可见光图像以及第一历史时间段内待匹配可见光图像之前的可见光图像包括的面部特征信息的位置,确定第一特征运动矢量,并根据待匹配红外图像以及第一历史时间段内待匹配红外图像之前的红外图像包括的面部特征信息的位置,确定第二特征运动矢量,将特征运动矢量进行匹配,得到面部匹配结果。
Description
技术领域
本申请涉及面部匹配技术领域,特别是涉及一种双目面部匹配方法、装置、电子设备及存储介质。
背景技术
面部检测识别是一种基于人的面部特征信息进行身份识别的生物识别技术,广泛应用于门禁系统、安全监控等领域。其中,传统的面部检测识别技术主要是基于可见光图像确定面部大小、位置等,但是仅基于可见光图像进行面部检测识别易发生活体攻击的问题。
目前,为了避免活体攻击,采用双目匹配的方式,在双目匹配成功的情况下再进一步进行活体检测。具体来说,双目匹配利用可见光采集设备与红外光采集设备之间的标定关系,进行可见光面部图像和红外光面部图像中的特征信息匹配,在两幅面部图像中的特征信息匹配的情况下,确定双目匹配成功。
但是,上述双目匹配方式中,可见光面部图像和红外光面部图像均是最近某一时刻采集到的图像,攻击者总是可以通过特定的手段使得这一时刻采集到的图像中的特征信息能够相互匹配,双目匹配的防攻击的保护性仍然较低,面部识别的安全性低。
发明内容
本申请实施例的目的在于提供一种双目面部匹配方法、装置、电子设备及存储介质,以提升双目匹配的保护性以及面部识别的安全性。具体技术方案如下:
第一方面,本申请实施例提供了一种双目面部匹配方法,所述方法包括:
获取待匹配可见光图像和待匹配红外图像;
对所述待匹配可见光图像和所述待匹配红外图像进行面部特征提取,得到所述待匹配可见光图像的第一面部特征信息,以及所述待匹配红外图像的第二面部特征信息;
基于所述第一面部特征信息与所述第二面部特征信息进行双目匹配,得到特征信息匹配结果;
如果所述特征信息匹配结果为匹配成功,根据所述待匹配可见光图像以及第一历史时间段内所述待匹配可见光图像之前的可见光图像包括的面部特征信息的位置,确定第一特征运动矢量,并根据所述待匹配红外图像以及所述第一历史时间段内所述待匹配红外图像之前的红外图像包括的面部特征信息的位置,确定第二特征运动矢量;
将所述第一特征运动矢量与所述第二特征运动矢量进行匹配,得到面部匹配结果。
可选的,在所述基于所述第一面部特征信息与所述第二面部特征信息进行双目匹配,得到特征信息匹配结果的步骤之前,所述方法还包括:
将所述第一面部特征信息包括的特征点投影至所述待匹配红外图像,得到投影后的第一特征点,其中,所述特征点包括面部关键点和/或面部检测框对应的特征点;
根据当前校正值对所述投影后的第一特征点的位置进行校正,得到校正后的第一特征点;
针对每个校正后的第一特征点,计算该校正后的第一特征点与所述第二面部特征信息中对应的第二特征点之间的偏差;
确定所述每个校正后的第一特征点对应的偏差是否满足预设投影精度;
在所述每个校正后的第一特征点对应的偏差不满足所述预设投影精度的情况下,按照预设步长对所述当前校正值进行调整;
返回所述根据当前校正值对所述投影后的第一特征点的位置进行校正,得到校正后的第一关键点的步骤,直到所述每个校正后的第一特征点对应的偏差满足所述预设投影精度;
根据当前校正值,对所述第一面部特征信息的位置进行校正,将校正后的第一面部特征信息作为第一面部特征信息,并执行所述基于所述第一面部特征信息与所述第二面部特征信息进行双目匹配,得到特征信息匹配结果的步骤。
可选的,在所述按照预设步长对所述当前校正值进行调整的步骤之前,所述方法还包括:
在所述每个校正后的第一特征点对应的偏差不满足预设投影精度的情况下,基于面部在图像中的基准位置以及基准眼间距,对所述校正后的第一特征点和所述第二特征点进行过滤,得到符合所述基准位置以及所述基准眼间距的过滤后的第一特征点和过滤后的第二特征点;
针对每个过滤后的第一特征点,计算该过滤后的第一特征点与对应的过滤后的第二特征点之间的偏差;
在所述每个过滤后的第一特征点对应的偏差不满足预设投影精度的情况下,执行所述按照预设步长对所述当前校正值进行调整的步骤。
可选的,在所述确定所述每个校正后的第一特征点对应的偏差是否满足预设投影精度的步骤之前,所述方法还包括:
根据所述待匹配可见光图像以及第二历史时间段内所述待匹配可见光图像之前的可见光图像包括的面部特征信息的位置,确定第三特征运动矢量,并根据所述待匹配红外图像以及所述第二历史时间段内所述待匹配红外图像之前的红外图像包括的面部特征信息的位置,确定第四特征运动矢量;
将所述第三特征运动矢量与所述第四特征运动矢量进行匹配,得到面部匹配结果;
在所述面部匹配结果为匹配成功的情况下,执行所述确定所述每个校正后的第一特征点对应的偏差是否满足预设投影精度的步骤。
可选的,所述根据所述待匹配可见光图像以及第一历史时间段内所述待匹配可见光图像之前的可见光图像包括的面部特征信息的位置,确定第一特征运动矢量,并根据所述待匹配红外图像以及所述第一历史时间段内所述待匹配红外图像之前的红外图像包括的面部特征信息的位置,确定第二特征运动矢量的步骤,包括:
将所述第一历史时间段的开始时间对应的第一目标图像的面部特征信息的位置,确定为历史位置,其中,所述第一目标图像包括所述可见光图像和所述红外图像;
将第二目标图像的面部特征信息的位置,确定为当前位置,其中,所述第二目标图像包括所述待匹配可见光图像和所述待匹配红外图像;
基于所述历史位置以及所述当前位置,确定特征运动矢量,其中,所述第一目标图像为所述可见光图像,所述第二目标图像为所述待匹配可见光图像的情况下,所述特征运动矢量为第一特征运动矢量,所述第一目标图像为所述红外图像,所述第二目标图像为所述待匹配红外图像的情况下,所述特征运动矢量为第二特征运动矢量。
可选的,所述基于所述历史位置以及所述当前位置,确定特征运动矢量的步骤,包括:
针对每个面部特征信息,将该面部特征信息对应的历史位置和当前位置进行平移,以使该历史位置位于预设中心点,其中,所述面部特征信息包括面部关键点和面部检测框;
按照以下公式,基于平移后的该面部特征信息对应的历史位置和当前位置,计算特征运动矢量:
;
;
其中,为平移后的该面部特征信息对应的当前位置在预设坐标系中的坐
标,为所述特征运动矢量的距离,为所述特征运动矢量在所述预设坐标系中对应的角
度,所述预设坐标系以所述预设中心点为原点,所述预设坐标系的不同象限标识不同角度
范围。
可选的,所述将所述第一特征运动矢量与所述第二特征运动矢量进行匹配,得到面部匹配结果的步骤,包括:
针对每个面部特征信息,计算该面部特征信息对应的第一距离和第二距离之间的第一差值,其中,所述第一距离为所述第一特征运动矢量的距离,所述第二距离为所述第二特征运动矢量的距离;
计算该面部特征信息对应的第一角度与第二角度之间的第二差值,其中,所述第一角度为所述第一特征运动矢量的角度,所述第二角度为所述第二特征运动矢量的角度;
在所述第一差值不大于第一预设阈值,且所述第二差值不大于第二预设阈值的情况下,确定该面部特征信息匹配成功;
在所有面部特征信息均匹配成功的情况下,确定面部匹配结果为成功。
可选的,所述根据所述待匹配可见光图像以及第一历史时间段内所述待匹配可见光图像之前的可见光图像包括的面部特征信息的位置,确定第一特征运动矢量,并根据所述待匹配红外图像以及所述第一历史时间段内所述待匹配红外图像之前的红外图像包括的面部特征信息的位置,确定第二特征运动矢量的步骤,包括:
针对每个面部特征信息,根据所述待匹配可见光图像以及第一历史时间段内所述待匹配可见光图像之前的可见光图像包括的该面部特征信息的位置,确定第一运动轨迹方程,其中,所述面部特征信息包括关键点和面部检测框;
针对每个面部特征信息,根据所述待匹配红外图像以及所述第一历史时间段内所述待匹配红外图像之前的红外图像包括的该面部特征信息的位置,确定第二运动轨迹方程。
可选的,所述将所述第一特征运动矢量与所述第二特征运动矢量进行匹配,得到面部匹配结果的步骤,包括:
针对每个面部特征信息,计算该面部特征信息对应的第一运动轨迹方程与第二运动轨迹方程的相似度;
在该面部特征信息对应的相似度不小于预设相似度的情况下,确定该面部特征信息匹配成功;
在所有面部特征信息均匹配成功的情况下,确定面部匹配结果为成功。
第二方面,本申请实施例提供了一种双目面部匹配装置,所述装置包括:
图像获取模块,用于获取待匹配可见光图像和待匹配红外图像;
面部特征信息获取模块,用于对所述待匹配可见光图像和所述待匹配红外图像进行面部特征提取,得到所述待匹配可见光图像的第一面部特征信息,以及所述待匹配红外图像的第二面部特征信息;
特征信息匹配结果获取模块,用于基于所述第一面部特征信息与所述第二面部特征信息进行双目匹配,得到特征信息匹配结果;
第一特征运动矢量确定模块,用于如果所述特征信息匹配结果为匹配成功,根据所述待匹配可见光图像以及第一历史时间段内所述待匹配可见光图像之前的可见光图像包括的面部特征信息的位置,确定第一特征运动矢量,并根据所述待匹配红外图像以及所述第一历史时间段内所述待匹配红外图像之前的红外图像包括的面部特征信息的位置,确定第二特征运动矢量;
第一面部匹配结果获取模块,用于将所述第一特征运动矢量与所述第二特征运动矢量进行匹配,得到面部匹配结果。
可选的,所述装置还包括:
第一获取模块,用于在所述基于所述第一面部特征信息与所述第二面部特征信息进行双目匹配,得到特征信息匹配结果的步骤之前,将所述第一面部特征信息包括的特征点投影至所述待匹配红外图像,得到投影后的第一特征点,其中,所述特征点包括面部关键点和/或面部检测框对应的特征点;
第二获取模块,用于根据当前校正值对所述投影后的第一特征点的位置进行校正,得到校正后的第一特征点;
第一偏差计算模块,用于针对每个校正后的第一特征点,计算该校正后的第一特征点与所述第二面部特征信息中对应的第二特征点之间的偏差;
投影精度判断模块,用于确定所述每个校正后的第一特征点对应的偏差是否满足预设投影精度;
当前校正值调整模块,用于在所述每个校正后的第一特征点对应的偏差不满足所述预设投影精度的情况下,按照预设步长对所述当前校正值进行调整;
投影精度满足模块,用于返回所述根据当前校正值对所述投影后的第一特征点的位置进行校正,得到校正后的第一关键点的步骤,直到所述每个校正后的第一特征点对应的偏差满足所述预设投影精度;
第一面部特征信息校正模块,用于根据当前校正值,对所述第一面部特征信息的位置进行校正,将校正后的第一面部特征信息作为第一面部特征信息,并执行所述基于所述第一面部特征信息与所述第二面部特征信息进行双目匹配,得到特征信息匹配结果的步骤。
可选的,所述装置还包括:
特征点过滤模块,用于在所述按照预设步长对所述当前校正值进行调整的步骤之前,在所述每个校正后的第一特征点对应的偏差不满足预设投影精度的情况下,基于面部在图像中的基准位置以及基准眼间距,对所述校正后的第一特征点和所述第二特征点进行过滤,得到符合所述基准位置以及所述基准眼间距的过滤后的第一特征点和过滤后的第二特征点;
第二偏差计算模块,用于针对每个过滤后的第一特征点,计算该过滤后的第一特征点与对应的过滤后的第二特征点之间的偏差;
校正值调整执行模块,用于在所述每个过滤后的第一特征点对应的偏差不满足预设投影精度的情况下,执行所述按照预设步长对所述当前校正值进行调整的步骤。
可选的,所述装置还包括:
第二特征运动矢量确定模块,用于在所述确定所述每个校正后的第一特征点对应的偏差是否满足预设投影精度的步骤之前,根据所述待匹配可见光图像以及第二历史时间段内所述待匹配可见光图像之前的可见光图像包括的面部特征信息的位置,确定第三特征运动矢量,并根据所述待匹配红外图像以及所述第二历史时间段内所述待匹配红外图像之前的红外图像包括的面部特征信息的位置,确定第四特征运动矢量;
第二面部匹配结果获取模块,用于将所述第三特征运动矢量与所述第四特征运动矢量进行匹配,得到面部匹配结果;
投影精度判断执行模块,用于在所述面部匹配结果为匹配成功的情况下,执行所述确定所述每个校正后的第一特征点对应的偏差是否满足预设投影精度的步骤。
可选的,所述第一特征运动矢量确定模块,包括:
历史位置确定子模块,用于将所述第一历史时间段的开始时间对应的第一目标图像的面部特征信息的位置,确定为历史位置,其中,所述第一目标图像包括所述可见光图像和所述红外图像;
当前位置确定子模块,用于将第二目标图像的面部特征信息的位置,确定为当前位置,其中,所述第二目标图像包括所述待匹配可见光图像和所述待匹配红外图像;
特征运动矢量确定子模块,用于基于所述历史位置以及所述当前位置,确定特征运动矢量,其中,所述第一目标图像为所述可见光图像,所述第二目标图像为所述待匹配可见光图像的情况下,所述特征运动矢量为第一特征运动矢量,所述第一目标图像为所述红外图像,所述第二目标图像为所述待匹配红外图像的情况下,所述特征运动矢量为第二特征运动矢量。
可选的,所述特征运动矢量确定子模块,包括:
位置平移单元,用于针对每个面部特征信息,将该面部特征信息对应的历史位置和当前位置进行平移,以使该历史位置位于预设中心点,其中,所述面部特征信息包括面部关键点和面部检测框;
特征运动矢量计算单元,用于按照以下公式,基于平移后的该面部特征信息对应的历史位置和当前位置,计算特征运动矢量:
;
;
其中,为平移后的该面部特征信息对应的当前位置在预设坐标系中的坐
标,为所述特征运动矢量的距离,为所述特征运动矢量在所述预设坐标系中对应的角
度,所述预设坐标系以所述预设中心点为原点,所述预设坐标系的不同象限标识不同角度
范围。
可选的,所述第一面部匹配结果获取模块,包括:
第一差值计算子模块,用于针对每个面部特征信息,计算该面部特征信息对应的第一距离和第二距离之间的第一差值,其中,所述第一距离为所述第一特征运动矢量的距离,所述第二距离为所述第二特征运动矢量的距离;
第二差值计算子模块,用于计算该面部特征信息对应的第一角度与第二角度之间的第二差值,其中,所述第一角度为所述第一特征运动矢量的角度,所述第二角度为所述第二特征运动矢量的角度;
第一匹配成功子模块,用于在所述第一差值不大于第一预设阈值,且所述第二差值不大于第二预设阈值的情况下,确定该面部特征信息匹配成功;
第一面部匹配成功子模块,用于在所有面部特征信息均匹配成功的情况下,确定面部匹配结果为成功。
可选的,所述第一特征运动矢量确定模块,包括:
第一运动轨迹方程确定子模块,用于针对每个面部特征信息,根据所述待匹配可见光图像以及第一历史时间段内所述待匹配可见光图像之前的可见光图像包括的该面部特征信息的位置,确定第一运动轨迹方程,其中,所述面部特征信息包括关键点和面部检测框;
第二运动轨迹方程确定子模块,用于针对每个面部特征信息,根据所述待匹配红外图像以及所述第一历史时间段内所述待匹配红外图像之前的红外图像包括的该面部特征信息的位置,确定第二运动轨迹方程。
可选的,所述第一面部匹配结果获取模块,包括:
相似度计算子模块,用于针对每个面部特征信息,计算该面部特征信息对应的第一运动轨迹方程与第二运动轨迹方程的相似度;
第二匹配成功子模块,用于在该面部特征信息对应的相似度不小于预设相似度的情况下,确定该面部特征信息匹配成功;
第二面部匹配成功子模块,用于在所有面部特征信息均匹配成功的情况下,确定面部匹配结果为成功。
第三方面,本申请实施例提供了一种电子设备,包括:
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述第一方面任一所述的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面任一所述的方法。
本申请实施例有益效果:
本申请实施例提供的方案中,电子设备可以获取待匹配可见光图像和待匹配红外图像,对待匹配可见光图像和待匹配红外图像进行面部特征提取,得到待匹配可见光图像的第一面部特征信息,以及待匹配红外图像的第二面部特征信息,基于第一面部特征信息与第二面部特征信息进行双目匹配,得到特征信息匹配结果,如果特征信息匹配结果为匹配成功,根据待匹配可见光图像以及第一历史时间段内待匹配可见光图像之前的可见光图像包括的面部特征信息的位置,确定第一特征运动矢量,并根据待匹配红外图像以及第一历史时间段内待匹配红外图像之前的红外图像包括的面部特征信息的位置,确定第二特征运动矢量,将第一特征运动矢量与第二特征运动矢量进行匹配,得到面部匹配结果。由于在提取到可见光图像的第一面部特征信息以及红外图像的第二面部特征信息后,不仅对第一面部特征信息与第二面部特征信息进行双目匹配,还根据待匹配可见光图像以及第一历史时间段内待匹配可见光图像之前的可见光图像包括的面部特征信息的位置确定第一特征运动矢量,根据待匹配红外图像以及第一历史时间段内待匹配红外图像之前的红外图像包括的面部特征信息的位置确定第二特征运动矢量,进而将第一特征运动矢量与第二特征运动矢量进行匹配,得到面部匹配结果,这样即使某一时刻可见光采集设备与红外光采集设备采集到的图像中的面部特征信息能够相互匹配,但是基于红外图像的形成原理,即由热红外扫描器接收和记录目标物发射的热辐射能而形成,如果待识别人员是利用照片、视频等进行面部识别,红外光采集设备是无法获取时间段内的待识别人员面部的位置变化的,也就无法确定第二面部特征运动矢量,或者人员手持照片会导致历史时间段内运动矢量的偏移,那么第一面部特征运动矢量与第二面部特征矢量无法匹配成功,因此,将第一特征运动矢量和第二特征运动矢量的进行匹配,在考虑位置信息的同时,进一步考虑了时间信息,这样可以提升双目匹配的保护性以及面部识别的安全性。当然,实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术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申请的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的实施例。
图1为本申请实施例所提供的一种双目面部匹配方法的流程图;
图2为本申请实施例所提供的面部检测识别方法的一种具体流程图;
图3为本申请实施例所提供的门禁考勤一体机的一种示意图;
图4为本申请实施例所提供的门禁考勤一体机对人员面部图像采集的一种示意图;
图5为本申请实施例所提供的得到面部检测框和中心点的一种示意图;
图6为本申请实施例所提供的得到面部关键点的一种示意图;
图7为本申请实施例所提供的使用照片进行活体攻击的一种示意图;
图8为本申请实施例所提供的确定特征运动矢量的第一种示意图;
图9为本申请实施例所提供的当前校正值进行校正的第一种具体流程图;
图10为本申请实施例所提供的当前校正值进行校正的第二种具体流程图;
图11为本申请实施例所提供的特征运动矢量进行匹配的一种具体流程图;
图12为本申请实施例所提供的确定特征运动矢量的一种具体流程图;
图13为本申请实施例所提供的确定特征运动矢量的第二种示意图;
图14为本申请实施例所提供的确定特征运动矢量的第三种示意图;
图15为图1所示实施例中步骤S105的一种具体流程图;
图16为图1所示实施例中步骤S105的另一种具体流程图;
图17为本申请实施例所提供的当前校正值进行校正的第三种具体流程图;
图18为本申请实施例所提供的双目面部匹配方法的一种具体流程图;
图19为本申请实施例所提供的特征运动矢量匹配的一种示意图;
图20为本申请实施例所提供的一种双目面部匹配装置的结构示意图;
图21为本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,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。基于本申请中的实施例,本领域普通技术人员基于本申请所获得的所有其他实施例,都属于本申请保护的范围。
为了提升双目匹配的保护性以及面部识别的安全性,本申请实施例提供了一种双目面部匹配方法、装置、电子设备、计算机可读存储介质以及计算机程序产品。下面首先对本申请实施例所提供的一种双目面部匹配方法进行介绍。
本申请实施例所提供的一种双目面部匹配方法可以应用于任意需要进行面部匹配的设备,例如,可以为处理器、服务器、台式机、笔记本电脑等,在此不做具体限定,为了描述清楚,以下称为电子设备。
如图1所示,一种双目面部匹配方法,所述方法包括:
S101,获取待匹配可见光图像和待匹配红外图像;
S102,对所述待匹配可见光图像和所述待匹配红外图像进行面部特征提取,得到所述待匹配可见光图像的第一面部特征信息,以及所述待匹配红外图像的第二面部特征信息;
S103,基于所述第一面部特征信息与所述第二面部特征信息进行双目匹配,得到特征信息匹配结果;
S104,如果所述特征信息匹配结果为匹配成功,根据所述待匹配可见光图像以及第一历史时间段内所述待匹配可见光图像之前的可见光图像包括的面部特征信息的位置,确定第一特征运动矢量,并根据所述待匹配红外图像以及所述第一历史时间段内所述待匹配红外图像之前的红外图像包括的面部特征信息的位置,确定第二特征运动矢量;
S105,将所述第一特征运动矢量与所述第二特征运动矢量进行匹配,得到面部匹配结果。
可见,在本申请实施例所提供的方案中,电子设备可以获取待匹配可见光图像和待匹配红外图像,对待匹配可见光图像和待匹配红外图像进行面部特征提取,得到待匹配可见光图像的第一面部特征信息,以及待匹配红外图像的第二面部特征信息,基于第一面部特征信息与第二面部特征信息进行双目匹配,得到特征信息匹配结果,如果特征信息匹配结果为匹配成功,根据待匹配可见光图像以及第一历史时间段内待匹配可见光图像之前的可见光图像包括的面部特征信息的位置,确定第一特征运动矢量,并根据待匹配红外图像以及第一历史时间段内待匹配红外图像之前的红外图像包括的面部特征信息的位置,确定第二特征运动矢量,将第一特征运动矢量与第二特征运动矢量进行匹配,得到面部匹配结果。由于在提取到可见光图像的第一面部特征信息以及红外图像的第二面部特征信息后,不仅对第一面部特征信息与第二面部特征信息进行双目匹配,还根据待匹配可见光图像以及第一历史时间段内待匹配可见光图像之前的可见光图像包括的面部特征信息的位置确定第一特征运动矢量,根据待匹配红外图像以及第一历史时间段内待匹配红外图像之前的红外图像包括的面部特征信息的位置确定第二特征运动矢量,进而将第一特征运动矢量与第二特征运动矢量进行匹配,得到面部匹配结果,这样即使某一时刻可见光采集设备与红外光采集设备采集到的图像中的面部特征信息能够相互匹配,但是基于红外图像的形成原理,即由热红外扫描器接收和记录目标物发射的热辐射能而形成,如果待识别人员是利用照片、视频等进行面部识别,红外光采集设备是无法获取时间段内的待识别人员面部的位置变化的,也就无法确定第二面部特征运动矢量,或者人员手持照片会导致历史时间段内运动矢量的偏移,那么第一面部特征运动矢量与第二面部特征矢量无法匹配成功,因此,将第一特征运动矢量和第二特征运动矢量的进行匹配,在考虑位置信息的同时,进一步考虑了时间信息,这样可以提升双目匹配的保护性以及面部识别的安全性。
面部检测识别依赖面部的图像特征进行检测及身份识别,主要包括面部检测和面部识别两个步骤。如果仅基于可见光图像进行面部检测和面部识别,攻击者可以通过视频、照片进行活体攻击。因此,目前采用双目匹配的方式先通过可见光镜头和红外光镜头双路镜头采集可见光图像和红外图像,然后对可见光图像和红外图像进行面部检测,提取得到可见光图像的面部特征信息以及红外图像的面部特征信息,进而将可见光图像的面部特征信息与红外图像的面部特征信息进行匹配,在匹配成功的情况下再进行活体检测以及面部识别,这样可以提升活体攻击的保护性。
如图2所示,本申请实施例所提供的面部检测识别方法可以包括以下步骤:
S201,面部检测;
在人员出现在电子设备可采集图像的范围内的情况下,可见光镜头采集可见光图像、红外光镜头采集红外图像,电子设备对可见光图像和红外图像进行面部检测。
例如,门禁考勤一体机301如图3所示,该门禁考勤一体机301宽110.5mm,长209.2mm,包括可见光镜头302和红外光镜头303,用于面部检测、活体检测以及面部识别。如图4所示,在人员A出现在门禁考勤一体机301可采集图像的范围内的情况下,可见光镜头302采集可见光图像、红外光镜头303采集红外图像,并对可见光图像和红外图像进行面部检测。
S202,得到面部检测框以及面部关键点的位置信息;
电子设备对可见光图像和红外图像进行面部检测,提取得到可见光图像以及红外图像的面部特征信息,即得到可见光图像中面部检测框和面部关键点以及红外图像中面部检测框和面部关键点。
S203,判断双目面部匹配是否成功,如果是,执行步骤S204,如果否,执行步骤S206;
在电子设备获取到可见光图像中面部检测框和面部关键点后,可以确定可见光图像中面部检测框和面部关键点的位置信息(即坐标信息),同样的,在获取到红外图像中面部检测框和面部关键点信息后,可以确定红外图像中面部检测框和面部关键点的位置信息(即坐标信息)。如图5所示,电子设备将可见光图像中面部检测框与红外图像中面部检测框进行匹配,并将可见光图像中面部检测框的中心点与红外图像中面部检测框的中心点进行匹配,如图6所示,同时将可见光图像中各面部关键点以及红外图像中对应的各面部关键点进行匹配,得到面部匹配结果。
S204,活体检测;
S205,面部识别;
在可见光图像中面部检测框与红外图像中面部检测框匹配成功,可见光图像中面部检测框的中心点与红外图像中面部检测框的中心点匹配成功,以及可见光图像中各面部关键点以及红外图像中对应的各面部关键点匹配成功的情况下,可以确定可见光图像中人员与红外图像中人员为同一人员,这样可以进一步进行活体检测,并在活体检测成功后,进行面部识别,确定该人员身份。
S206,异常处理。
在可见光图像中面部检测框与红外图像中面部检测框,可见光图像中面部检测框的中心点与红外图像中面部检测框的中心点,或者可见光图像中各面部关键点以及红外图像中对应的各面部关键点存在匹配不成功的情况下,电子设备则会进行异常处理,以终止该检测流程。
上述面部检测识别方法可以提升活体攻击保护性,例如,如图7所示,在攻击者通过已录入面部照片和未录入人员进行活体攻击时,可以有效提升活体攻击保护性。但是,在面部特征信息匹配的过程中,由于只考虑到位置信息,而可见光图像和红外光图像均是最近某一时刻采集到的图像,攻击者总是可以通过特定的手段使得这一时刻采集到的图像中的面部特征信息能够相互匹配,因此,只考虑位置信息的双目匹配的防攻击的保护性仍然较低,面部识别的安全性低。本申请实施例提供了一种双目面部匹配方法,可以提升双目匹配的保护性以及面部识别的安全性。
在步骤S101中,电子设备可以获取待匹配可见光图像和待匹配红外图像。其中,待匹配可见光图像可以由可见光采集设备采集,待匹配红外图像可以由红外光采集设备采集。可见光采集设备与红外光采集设备采集图像时间具有同步性。
例如,如图4所示,门禁考勤一体机301包括可见光镜头302和红外光镜头303双路镜头,分别采集可见光图像和红外图像。在人员由远及近运动至该门禁考勤一体机301图像采集范围内,门禁考勤一体机301可以获取到可见光镜头302采集的可见光图像以及红外光镜头303采集的红外图像,作为待匹配可见光图像和待匹配红外图像。
在步骤S102中,电子设备可以对待匹配可见光图像和待匹配红外图像进行面部特征提取,得到待匹配可见光图像的第一面部特征信息,以及待匹配红外图像的第二面部特征信息。
在一种实施方式中,电子设备可以提取待匹配可见光图像中面部检测框和面部关键点,并提取待匹配红外图像中面部检测框和面部关键点,将得到的待匹配可见光图像中面部检测框和面部关键点作为第一面部特征信息,将得到的待匹配红外图像中面部检测框和面部关键点信息作为第二面部特征信息。
例如,如图5所示,电子设备获取到待匹配可见光图像和待匹配红外图像,提取可见光图像中面部检测框与红外图像中面部检测框,并可以基于面部检测框各顶点的坐标位置,确定可见光图像中面部检测框的中心点以及红外图像中面部检测框的中心点。如图6所示,电子设备同时可以提取得到可见光图像中面部关键点以及红外图像中面部关键点。这样电子设备可以将得到的可见光图像中面部检测框、中心点和面部关键点作为第一面部特征信息,将得到的红外图像中面部检测框、中心点和面部关键点作为第二面部特征信息。
在电子设备得到待匹配可见光图像的第一面部特征信息,以及待匹配红外图像的第二面部特征信息后,在步骤S103中,电子设备可以基于第一面部特征信息与第二面部特征信息进行双目匹配,得到特征信息匹配结果。
在一种实施方式中,第一面部特征信息包括待匹配可见光图像面部检测框、中心点和面部关键点,第二面部特征信息包括待匹配红外图像面部检测框、中心点和面部关键点,这样,电子设备可以将待匹配可见光图像中面部检测框与待匹配红外图像中面部检测框进行匹配,将待匹配可见光图像中面部检测框的中心点与待匹配红外图像中面部检测框的中心点进行匹配,以及将待匹配可见光图像中各面部关键点与待匹配红外图像中对应的各面部关键点进行匹配。
下面以电子设备将待匹配可见光图像中各面部关键点与待匹配红外图像中对应的各面部关键点进行匹配为例,具体介绍第一面部特征信息与第二面部特征信息进行双目匹配的过程。
如图6所示,电子设备可以将可见光图像中各面部关键点投影至红外图像后进行匹配,以一个面部关键点匹配为例,该面部关键点在可见光图像中坐标位置为(x1,y1),在投影后的红外图像中的坐标位置为(x2,y2),将该面部关键点与红外图像中对应面部关键点进行匹配,即计算该面部关键点投影后的坐标位置(x2,y2)与红外图像中对应面部关键点坐标位置(x3,y3)的第一差值,进而将该第一差值与第一预设阈值进行比较,进而完成可见光图像中各面部关键点与红外图像中对应的各面部关键点匹配。
同理的,电子设备可以将可见光图像中面部检测框投影至红外图像中,得到投影后的面部检测框,然后基于该投影后的面部检测框的坐标位置,确定该投影后的面部检测框大小与中心点,进而将该投影后的面部检测框大小与红外图像面部检测框大小进行匹配,即计算投影后的面部检测框大小与红外图像面部检测框大小的第二差值,进而将第二差值与第二预设阈值进行比较。并将投影后的面部检测框的中心点与红外图像面部检测框的中心点进行匹配,即计算投影后面部检测框中心点与红外图像面部检测框中心点的第三差值,进而将第三差值与第三预设阈值进行比较,得到特征信息匹配结果。
在各面部关键点对应的第一差值均不大于第一预设阈值,第二差值不大于第二预设阈值,以及第三差值不大于第三预设阈值的情况下,面部特征信息匹配结果为匹配成功,否则为匹配不成功。
如果面部特征信息匹配结果为匹配成功,则双目匹配成功,那么电子设备可以进一步确定在一定时间段内,可见光采集设备采集的各图像中包括的面部特征信息的位置与红外光采集设备采集的各图像中包括的面部特征信息的位置是否相似,以确定人员的运动矢量是否具有一致性。因为无论在可见光图像中还是红外图像中,在相同的时间段内,人员的运动矢量具有一致性,而通过双目匹配,仅是确定人员位置的一致性,不能确定该人员运动矢量的一致性。
那么,电子设备可以根据待匹配可见光图像以及第一历史时间段内待匹配可见光图像之前的可见光图像包括的面部特征信息的位置,确定第一特征运动矢量,并根据待匹配红外图像以及第一历史时间段内待匹配红外图像之前的红外图像包括的面部特征信息的位置,确定第二特征运动矢量,即执行步骤S104。其中,运动向量在物理学中,是一种带有大小和方向的量,第一特征运动矢量和第二特征运动矢量指面部特征信息在图像中某一时间段内的运动距离及方向。
例如,在人员进入门禁考勤一体机的图像采集范围时,可见光镜头与红外光镜头分别采集可见光图像和红外图像,在时间段t内,可见光镜头可以采集多个可见光图像,红外光镜头可以采集多个红外图像,如图8所示,电子设备可以根据待匹配可见光图像802以及时间段t内待匹配可见光图像之前的可见光图像801中所对应的面部关键点的位置,确定第一特征运动矢量,同样的,电子设备可以根据待匹配红外图像以及时间段t内待匹配红外图像之前的红外图像中对应的面部关键点的位置,确定第二特征运动矢量。
当然,电子设备也可以根据待匹配可见光图像802以及时间段t内待匹配可见光图像之前的可见光图像801包括的面部检测框中特征点的位置,确定第一特征运动矢量,同样的,电子设备可以根据待匹配红外图像以及时间段t内待匹配红外图像之前的红外图像包括的面部检测框中特征点的位置,确定第二特征运动矢量。
在一种实施方式中,可见光采集设备采集的各图像中包括的面部特征信息的位置并不处于同一条直线上,即人员的运动轨迹为曲线运动,那么同样的红外光采集设备采集的各图像中包括的面部特征信息的位置也不处于同一条直线上。这时,电子设备可以根据历史时间段内可见光采集设备采集的各图像中包括的面部特征信息的位置,确定第一运动轨迹方程,根据历史时间段内红外光采集设备采集的各图像中包括的面部特征信息的位置,确定第二运动轨迹方程,进而将第一运动轨迹方程和第二运动轨迹方程进行匹配。
在步骤S105中,电子设备可以将第一特征运动矢量与第二特征运动矢量进行匹配,得到面部匹配结果。在一种实施方式中,电子设备可以将第一特征运动矢量的角度和第二特征运动矢量的角度进行比较,以及将第一特征运动矢量的距离和第二特征运动矢量的距离进行比较,以确定面部匹配结果。
例如,第一特征运动矢量的角度为35°,第二特征运动矢量的角度为37°,第一特征运动矢量的距离为0.2m,第二特征运动矢量的距离为0.22m,那么,电子设备可以将35°和37°进行比较,将0.2m和0.22m进行比较,以确定面部匹配结果。
在本实施例的方案中,由于在提取到可见光图像的第一面部特征信息以及红外图像的第二面部特征信息后,不仅对第一面部特征信息与第二面部特征信息进行双目匹配,还根据待匹配可见光图像以及第一历史时间段内待匹配可见光图像之前的可见光图像包括的面部特征信息的位置确定第一特征运动矢量,根据待匹配红外图像以及第一历史时间段内待匹配红外图像之前的红外图像包括的面部特征信息的位置确定第二特征运动矢量,进而将第一特征运动矢量与第二特征运动矢量进行匹配,得到面部匹配结果,这样即使某一时刻可见光采集设备与红外光采集设备采集到的图像中的面部特征信息能够相互匹配,但是基于红外图像的形成原理,即由热红外扫描器接收和记录目标物发射的热辐射能而形成,如果待识别人员是利用照片、视频等进行面部识别,红外光采集设备是无法获取时间段内的待识别人员面部的位置变化的,也就无法确定第二面部特征运动矢量,或者人员手持照片会导致历史时间段内运动矢量的偏移,那么第一面部特征运动矢量与第二面部特征矢量无法匹配成功,因此,将第一特征运动矢量和第二特征运动矢量的进行匹配,在考虑位置信息的同时,进一步考虑了时间信息,这样可以提升双目匹配的保护性以及面部识别的安全性。
由于在实际场景所使用的双目门禁产品中,可见光镜头和红外光镜头存在安装距离,那么对于采集的可见光图像与红外图像来说,同一目标的位置坐标会存在偏差,因此需要产线对每一台出产的设备进行双目标定,即以一组标定参数来表示两个镜头采集图像坐标系的映射关系,从而判别两个镜头采集的图像中的面部特征信息是否为同一人员。目前,采用人工标定方式对每一台产生的设备进行参数标定,但是采用人工标定的方式,费时费力,并且,在产品长期使用或者运输过程中可能造成结构变形,导致人工标定的设备参数不准确,因此本申请实施例中采用自标定方式对设备参数进行校正和标定,以在节约人力成本的同时,提升标定精度。
作为本申请实施例的一种实施方式,如图9所示,在所述基于所述第一面部特征信息与所述第二面部特征信息进行双目匹配,得到特征信息匹配结果的步骤之前,所述方法还可以包括:
S901,将所述第一面部特征信息包括的特征点投影至所述待匹配红外图像,得到投影后的第一特征点;
其中,所述特征点包括面部关键点和/或面部检测框对应的特征点。
为了更加准确的对第一面部特征信息与第二面部特征信息进行双目匹配,电子设备可以在基于第一面部特征信息与第二面部特征信息进行双目匹配之前,对标定参数进行标定和校正,以使第一面部特征信息与第二面部特征信息进行双目匹配更加准确。
在一种实施方式中,标定参数校正和双目匹配相互依赖,即在对标定参数校正后,在对面部特征信息进行双目匹配。在校正过程中,先仅考虑运动矢量,在运动矢量匹配成功的情况下,对标定参数进行校正,在得到校正参数后,再对第一面部特征信息与第二面部特征信息进行双目匹配。在匹配过程中,用理论标准的标定参数和校正参数进行面部特征信息匹配,并在面部特征信息匹配成功的情况下,进一步考虑运动矢量匹配结果。
这样,在校正时,利用产品生物特征检测时运动矢量不变性这一特点,简化校正流程,即运动矢量与校正参数无关,如果运动矢量匹配不成功,就无需再进行自标定过程,即可以及时停止自标定过程;在匹配时,采用特征点投影匹配,即利用标准理论标定参数和校正值结合,将待匹配可见光图像和待匹配红外图像的特征点进行匹配,以准确确定匹配结果,并进一步结合运动矢量匹配进行精度提升。
在双目匹配的过程中,电子设备可以将第一面部特征信息包括的特征点投影至待匹配红外图像,得到投影后的第一特征点,其中,特征点包括面部特征关键点和/或面部检测框对应的特征点。也就是说,在标定参数校正过程中,可以从面部关键点和面部检测框对应的特征点中选取一部分点作为标定特征点,也可以将所有面部关键点和面部检测框对应的特征点作为标定特征点,这都是合理的。
在一种实施方式中,电子设备可以对待匹配可见光图像和待匹配红外图像去畸变,以消除由于镜头设计或制造缺陷导致的图像畸变,在去畸变之后,再将第一面部特征信息包括的特征点投影至待匹配红外图像,得到投影后的第一特征点。
如果无法确定实际畸变参数,电子设备可以不对待匹配可见光图像去畸变,直接将第一面部特征信息包括的特征点投影至待匹配红外图像。或者根据理论模型的标准参数对待匹配可见光图像去畸变,具体去畸变的方式可以根据实际情况确定。
例如,如图6所示,电子设备可以将可见光图像中的面部关键点投影至红外图像中,得到投影后的面部关键点,作为第一特征点。
S902,根据当前校正值对所述投影后的第一特征点的位置进行校正,得到校正后的第一特征点;
电子设备得到投影后的第一特征点后,由于待匹配可见光图像与待匹配红外图像是不同图像采集设备采集的,因此需要对投影至红外图像的第一特征点进行校正,得到校正后的第一特征点。在一种实施方式中,电子设备可以对投影后的第一特征点,按照当前校正值对投影后的第一特征点的坐标进行校正,得到校正后的第一特征点。
例如,针对每个投影后的第一特征点,电子设备可以按照如下公式(代价函数),对投影后的第一特征点的坐标进行校正,得到校正后的第一特征点:
undistortedLeftPoin_X+=Δx,
undistortedLeftPoin_Y+=Δy。
其中,Δx为x轴方向的校正值,Δy为y轴方向的校正值。行业内对内参和外参的校正都比较复杂,代价函数往往都是高阶多项式,还涉及很多矩阵运算,对设备空间位置还具有一定限制,这样校正过程所涉及参数校多,使计算量大且计算复杂。而采用本申请实施例所提供的上述公式作为代价函数以对第一特征点的坐标进行校正,从公式中可以看出,代价函数不仅简洁,方便于计算,且涉及参数很少,大大简化了校正过程的复杂度和计算量,更符合基于图像匹配的门禁产品等场景。
S903,针对每个校正后的第一特征点,计算该校正后的第一特征点与所述第二面部特征信息中对应的第二特征点之间的偏差;
S904,确定所述每个校正后的第一特征点对应的偏差是否满足预设投影精度;
在电子设备得到校正后的第一特征点后,针对每个校正后的第一特征点,计算该校正后的第一特征点与第二面部特征信息中对应的第二特征点之间的偏差,进而确定每个校正后的第一特征点对应的偏差是否满足预设投影精度。其中,预设投影精度可以通过采用张定友标定法等方式进行标定后,使用标定后的参数进行投影得到,以进一步计算偏差和投影之间的差值。预设投影精度也可以采用经验值,这都是合理的。
在一种实施方式中,电子设备可以在得到每个校正后的第一特征点对应的偏差后,计算所用校正后的第一特征点对应的偏差的平均值,确定该平均值是否满足预设投影精度。
在另一种实施方式中,电子设备可以在得到每个校正后的第一特征点对应的偏差后,确定所用校正后的第一特征点对应的偏差中的最小值,进而确定该最小值是否满足预设投影精度。
在另一种实施方式中,电子设备可以在得到每个校正后的第一特征点对应的偏差后,确定所用校正后的第一特征点对应的偏差中的最大值,进而确定该最大值是否满足预设投影精度。
例如,电子设备得到校正后的第一特征点,分别为a1、a2……a10,计算该校正后的第一特征点与第二面部特征信息中对应的第二特征点之间的偏差,分别为diff1、diff2……diff10,电子设备可以分别确定diff1、diff2……diff10是否满足预设投影精度diff,也可以计算diff1至diff10的平均值diff_ave,以确定diff_ave是否满足预设投影精度diff,也可以确定diff1、diff2……diff10中的最小值diff6,判断diff6是否满足预设投影精度diff,这些都是合理的。
S905,在所述每个校正后的第一特征点对应的偏差不满足所述预设投影精度的情况下,按照预设步长对所述当前校正值进行调整;
如果在确定每个校正后的第一特征点对应的偏差是否满足预设投影精度时,存在不满足预设投影精度的情况,电子设备可以按照预设步长对当前校正值进行调整,其中,预设步长可以为图像像素一个单位长度,也可以为预设个单位长度,在此不做具体限定。
例如,当前校正值为Δx和Δy,那么,在存在第一特征点对应的偏差不满足预设投影精度的情况下,电子设备可以对当前校正值Δx和Δy进行调整,即在当前校正值的基础上增加预设步长1,即当前校正值调整为Δx+1和Δy+1。
在一种实施方式中,在电子设备对当前校正值调整的过程中,可以考虑图像采集设备针对于同一目标的偏转角、俯仰角等信息,以减少对图像中包括的特征点的位置的影响。
S906,返回所述根据当前校正值对所述投影后的第一特征点的位置进行校正,得到校正后的第一关键点的步骤,直到所述每个校正后的第一特征点对应的偏差满足所述预设投影精度;
S907,根据当前校正值,对所述第一面部特征信息的位置进行校正,将校正后的第一面部特征信息作为第一面部特征信息,并执行所述基于所述第一面部特征信息与所述第二面部特征信息进行双目匹配,得到特征信息匹配结果的步骤。
在调整当前校正值后,电子设备可以返回步骤S902,根据调整后的当前校正值对投影后的第一特征点的位置进行调整,得到重新校正后的第一关键点,进而针对每个校正后的第一关键点,计算该校正后的第一特征点与第二面部特征信息中对应的第二特征点之间的偏差,进而确定每个校正后的第一特征点对应的偏差是否满足预设投影精度,直到每个校正后的第一特征点对应的偏差满足预设投影精度。
在每个校正后的第一特征点对应的偏差满足预设投影精度的情况下,电子设备可以确定调整后的当前校正值,那么可以根据调整后的当前校正值,对第一面部特征信息的位置进行校正,将校正后的第一面部特征信息作为第一面部特征信息,进而基于第一面部特征信息与第二面部特征信息进行双目匹配,得到特征信息匹配结果。
在一种实施方式中,电子设备在确定当前校正值后,可以根据基于当前校正值校正后第一特征点和第二面部特征信息中对应的第二特征点之间的偏差,对图像采集设备的内参和外参进行校正。具体来说,本申请实施例基于产品的场景,通过优化匹配策略,即在对第一面部特征信息和第二面部特征信息进行匹配的同时,将第一特征运动矢量和第二特征运动矢量进行匹配,得到面部匹配结果。当然,上述实施例中提到的面部检测框大小、运动矢量只是一种匹配方式,图像处理相关的匹配还包括多种方式。在进行面部特征信息匹配之前,可以基于运动矢量不变性的特点进行标定参数校正,标定参数校正过程中建立更加简洁的代价函数(即上述实施例中和特征点的图像位置有关的Δx,Δy),可以校正内参和外参的偏差值以及提高面部匹配精度。
可见,在本实施例中,电子设备可以基于第一面部特征信息包括的特征点以及第二面部特征信息中对应的第二特征点之间的偏差,对当前校正值进行调整,进而基于调整的当前校正值,对第一面部特征信息的位置进行校正,这样使基于第一面部特征信息与第二面部特征信息进行双目匹配得到的特征信息匹配结果更加准确。
此外,本申请实施例采用自标定的方式,采用较简单的代价函数进行标定参数校正,而不是采用行业内高阶多项式,也不涉及多矩阵运算,减少了计算量,使标定过程更加简洁。并且在每次获取到待匹配可见光图像和待匹配红外图像后,对标定参数进行校正,可以解决长期使用或者运输过程中造成的设备结构变形导致的标定参数不准确,及时实现标定参数的校正,这样将校正标定参数用于后续面部特征信息的匹配中,大大提升匹配精度以及防攻击性。
作为本申请实施例的一种实施方式,如图10所示,在所述按照预设步长对所述当前校正值进行调整的步骤之前,所述方法还可以包括:
S1001,在所述每个校正后的第一特征点对应的偏差不满足预设投影精度的情况下,基于面部在图像中的基准位置以及基准眼间距,对所述校正后的第一特征点和所述第二特征点进行过滤,得到符合所述基准位置以及所述基准眼间距的过滤后的第一特征点和过滤后的第二特征点;
由于在电子设备对待匹配可见光图像和待匹配红外图像进行面部特征提取时,得到待匹配可见光图像的第一面部特征信息,以及待匹配红外图像的第二面部特征信息的过程中,可能存在异常面部特征信息。例如,在提取眼部关键点时,受到外界环境干扰,在图像中出现异常点,导致眼间距过大。
因此,为了避免异常点的干扰,在存在校正后的第一特征点对应的偏差不满足预设投影精度的情况下,电子设备可以基于面部在图像中的基准位置以及基准眼间距,对校正后的第一特征点和第二特征点进行过滤,将导致面部在图像中位置异常以及眼间距异常的特征点去除,得到符合基准位置以及基准眼间距的过滤后的第一特征点和过滤后的第二特征点。
例如,在可见光图像采集待匹配可见光图像时,有一个圆形灰尘出现在人员面部内眼角之间,在电子设备提取待匹配可见光图像中面部特征信息时,眼睛关键点包括了圆形灰尘的信息,这样就使得眼间距不符合基准眼见距,因此,应去除圆形灰尘信息所形成的异常点。
S1002,针对每个过滤后的第一特征点,计算该过滤后的第一特征点与对应的过滤后的第二特征点之间的偏差;
S1003,在所述每个过滤后的第一特征点对应的偏差不满足预设投影精度的情况下,执行所述按照预设步长对所述当前校正值进行调整的步骤。
在基于面部在图像中的基准位置以及基准眼间距,对校正后的第一特征点和第二特征点进行过滤后,第一特征点和第二特征点中已去除异常点,因此,电子设备可以重新计算第一特征点和对应的第二特征点之间的偏差,也即电子设备可以针对每个过滤后的第一特征点,计算该过滤后的第一特征点与对应的过滤后的第二特征点之间的偏差,并在每个过滤后的第一特征点对应的偏差不满足预设投影精度的情况下,再执行按照预设步长对当前校正值进行调整。
可见,在本实施例中,在每个校正后的第一特征点对应的偏差不满足预设投影精度的情况下,电子设备可以基于面部在图像中的基准位置以及基准眼间距,对校正后的第一特征点和第二特征点进行过滤,得到符合基准位置以及基准眼间距的过滤后的第一特征点和过滤后的第二特征点,计算每个过滤后的第一特征点与对应的过滤后的第二特征点之间的偏差,并在每个过滤后的第一特征点对应的偏差不满足预设投影精度的情况下,执行按照预设步长对当前校正值进行调整的步骤。这样可以避免异常点的干扰,使得到的当前校正值更加准确。
作为本申请实施例的一种实施方式,如图11所示,在所述确定所述每个校正后的第一特征点对应的偏差是否满足预设投影精度的步骤之前,所述方法还可以包括:
S1101,根据所述待匹配可见光图像以及第二历史时间段内所述待匹配可见光图像之前的可见光图像包括的面部特征信息的位置,确定第三特征运动矢量,并根据所述待匹配红外图像以及所述第二历史时间段内所述待匹配红外图像之前的红外图像包括的面部特征信息的位置,确定第四特征运动矢量;
S1102,将所述第三特征运动矢量与所述第四特征运动矢量进行匹配,得到面部匹配结果;
S1103,在所述面部匹配结果为匹配成功的情况下,执行所述确定所述每个校正后的第一特征点对应的偏差是否满足预设投影精度的步骤。
在电子设备对当前校正值进行调整之前,可以先初步进行可见光图像对应的特征运动矢量与红外图像对应的特征运动矢量匹配的过程,这样,如果此次为攻击者使用照片或者视频进行活体攻击的行为,可以避免对当前校正值进行调整的时间浪费。
那么,电子设备可以根据待匹配可见光图像以及第二历史时间段内待匹配可见光图像之前的可见光图像包括的面部特征信息的位置,确定第三特征运动矢量,并根据待匹配红外图像以及第二历史时间段内待匹配红外图像之前的红外图像包括的面部特征信息的位置,确定第四特征运动矢量,进而将第三特征运动矢量与第四特征运动矢量进行匹配,得到面部匹配结果。其中,第二历史时间段可以为人员进入图像采集范围内的任一时间段。
在面部匹配结果为匹配成功的情况下,说明该人员为正常进行面部检测识别人员,并不是使用视频和照片的攻击者,那么电子设备可以执行确定每个校正后的第一特征点对应的偏差是否满足预设投影精度的步骤。
电子设备确定第三特征运动矢量和第四特征运动矢量,以及将第三特征运动矢量与第四特征运动矢量进行匹配,得到面部匹配结果的步骤,与电子设备确定第一特征运动矢量和第二特征运动矢量,以及将第一特征运动矢量与第二特征运动矢量进行匹配,得到面部匹配结果的步骤类似,将在后续步骤中进行具体描述。
可见,在本实施例中,在电子设备对当前校正值进行调整之前,可以先初步进行可见光图像对应的特征运动矢量与红外图像对应的特征运动矢量匹配的过程,这样,在此次面部检测识别为攻击者使用照片或者视频进行活体攻击的场景下,可以避免对当前校正值进行调整的时间浪费。
在自标定过程中,利用产品生物特征检测时运动矢量不变性这一特点,可以简化校正流程,即运动矢量与校正参数无关,如果运动矢量匹配不成功,就无需再进行自标定过程,及时停止自标定过程,进而节省标定参数校正时间。
作为本申请实施例的一种实施方式,如图12所示,上述根据所述待匹配可见光图像以及第一历史时间段内所述待匹配可见光图像之前的可见光图像包括的面部特征信息的位置,确定第一特征运动矢量,并根据所述待匹配红外图像以及所述第一历史时间段内所述待匹配红外图像之前的红外图像包括的面部特征信息的位置,确定第二特征运动矢量的步骤,可以包括:
S1201,将所述第一历史时间段的开始时间对应的第一目标图像的面部特征信息的位置,确定为历史位置;
其中,所述第一目标图像包括所述可见光图像和所述红外图像。
S1202,将第二目标图像的面部特征信息的位置,确定为当前位置;
其中,所述第二目标图像包括所述待匹配可见光图像和所述待匹配红外图像。
S1203,基于所述历史位置以及所述当前位置,确定特征运动矢量。
其中,所述第一目标图像为所述可见光图像,所述第二目标图像为所述待匹配可见光图像的情况下,所述特征运动矢量为第一特征运动矢量,所述第一目标图像为所述红外图像,所述第二目标图像为所述待匹配红外图像的情况下,所述特征运动矢量为第二特征运动矢量。
为了确定运动矢量,电子设备需要确定目标图像的面部特征信息的历史位置和当前位置。
在一种实施方式中,电子设备可以将第一历史时间段的开始时间对应的第一目标图像的面部特征信息的位置,确定为历史位置,即将第一历史时间段开始时间对应的可见光图像的面部特征信息的位置,确定为第一运动矢量的历史位置,将第一历史时间段开始时间对应的红外图像的面部特征信息的位置,确定为第二运动矢量的历史位置。其中,第一历史时间段可以为人员进入图像采集范围内的任一时间段。
电子设备将第二目标图像的面部特征信息的位置,确定为当前位置,即将待匹配可见光图像的面部特征信息的位置,确定为第一运动矢量的当前位置,将待匹配红外图像的面部特征信息的位置,确定为第二运动矢量的当前位置。
进而电子设备可以基于历史位置以及当前位置,确定特征运动矢量。即在第一目标图像为可见光图像,第二目标图像为待匹配可见光图像的情况下,基于第一运动矢量的历史位置以及第一运动矢量的当前位置,确定第一特征运动矢量,并在第一目标图像为红外图像,第二目标图像为待匹配红外图像的情况下,基于第二运动矢量的历史位置以及第二运动矢量的当前位置,确定第二特征运动矢量。
例如,门禁考勤一体机在时间段t内获取多个可见光图像和红外图像,如图13所示,针对于可见光图像(或红外图像)来说,电子设备可以将时间段t开始时间对应的可见光图像的面部关键点A´的位置,坐标为(x´,y´),确定为第一运动矢量的历史位置,并可以将待匹配可见光图像的对应的面部关键点A的位置,坐标为(x,y),确定为第一运动矢量的当前位置,这样,基于历史位置A´(x´,y´)和当前位置A(x,y),可以确定第一运动矢量,即确定第一运动矢量的角度和距离。
其中,为了计算方便,坐标系划分为四个象限,分别为第一象限、第二象限、第三象限以及第四象限。第一象限为0°到90°,第二象限为90°到180°,第三象限为180°到270°,第四象限为270°到360°,并根据坐标(0,0)、(w,h)可以确定中心点为(w/2,h/2)。
可见,在本实施例中,电子设备可以将第一历史时间段的开始时间对应的第一目标图像的面部特征信息的位置,确定为历史位置,将第二目标图像的面部特征信息的位置,确定为当前位置,基于历史位置以及当前位置,确定特征运动矢量,即在第一目标图像为可见光图像,第二目标图像为待匹配可见光图像的情况下,特征运动矢量为第一特征运动矢量,第一目标图像为红外图像,第二目标图像为待匹配红外图像的情况下,特征运动矢量为第二特征运动矢量。这样根据历史位置以及当前位置,可以准确确定特征运动矢量,即确定特征运动矢量的角度和距离,以进一步将第一特征运动矢量和第二特征运动矢量进行匹配,确定特征运动矢量的一致性。
作为本申请实施例的一种实施方式,上述基于所述历史位置以及所述当前位置,确定特征运动矢量的步骤,可以包括:
针对每个面部特征信息,将该面部特征信息对应的历史位置和当前位置进行平移,以使该历史位置位于预设中心点,其中,所述面部特征信息包括面部关键点和面部检测框;
按照以下公式,基于平移后的该面部特征信息对应的历史位置和当前位置,计算特征运动矢量:
;
;
其中,为平移后的该面部特征信息对应的当前位置在预设坐标系中的坐
标,为所述特征运动矢量的距离,为所述特征运动矢量在所述预设坐标系中对应的角
度,所述预设坐标系以所述预设中心点为原点,所述预设坐标系的不同象限标识不同角度
范围。
由于特征运动矢量具有方向,为了更准确方便的确定特征运动矢量方向,电子设备可以在坐标系下构建0°到360°的角度范围,这样,第一特征运动矢量和第二特征运动矢量具有唯一角度值,即具有唯一方向。例如,如图14所示,坐标系划分为四个象限,分别为第一象限、第二象限、第三象限以及第四象限。第一象限为0°到90°,第二象限为90°到180°,第三象限为180°到270°,第四象限为270°到360°,根据坐标(0,0)、(w,h)可以确定中心点为(w/2,h/2),且在y轴方向的坐标为(w/2,y),x轴方向的坐标为(x,h/2)。
为了计算方便,在电子设备确定特征运动矢量的情况下,可以将特征运动矢量进行平移,以使该特征运动矢量的初始位置位于中心点。
在一种实施方式中,针对每个面部特征信息,电子设备可以将该面部特征信息对应的历史位置和当前位置进行平移,以使该历史位置位于预设中心点,这样可以基于当前位置的坐标,计算特征运动矢量的距离和角度。其中,面部特征信息包括面部关键点和面部检测框。
例如,如图14所示,针对某一面部特征关键点,电子设备可以确定该面部关键点对应的特征运动矢量A´A,将该面部关键点对应的历史位置和当前位置进行平移,以使该历史位置A´位于预设中心点(w/2,h/2),并可以确定当前位置A的坐标为(x,y),这样可以根据当前位置A的坐标计算特征运动矢量A´A的角度以及距离。
在将该面部特征信息对应的历史位置和当前位置进行平移后,电子设备可以按照
公式和公式,基于平移后的该面部特征信息对应的历
史位置和当前位置,计算特征运动矢量的距离和角度。其中,为平移后的该面部特征
信息对应的当前位置在预设坐标系中的坐标,为特征运动矢量的距离,为特征运动矢
量在预设坐标系中对应的角度,预设坐标系以预设中心点为原点,预设坐标系的不同象限
标识不同角度范围。
例如,承接上述例子,电子设备可以根据公式和分别计算该面部关键点对应的特征运动矢量A´A的距离和角度,如图11
所示,该面部关键点对应的特征运动矢量A´A的角度位于第二象限。
可见,在本实施例中,针对每个面部特征信息,电子设备可以将该面部特征信息对应的历史位置和当前位置进行平移,以使该历史位置位于预设中心点,进而按照计算特征运动矢量的公式,基于平移后的该面部特征信息对应的历史位置和当前位置,计算特征运动矢量,这样将特征运动矢量进行平移后再计算,方便计算的同时,可以准确确定特征运动矢量的距离和角度。
作为本申请实施例的一种实施方式,如图15所示,上述将所述第一特征运动矢量与所述第二特征运动矢量进行匹配,得到面部匹配结果的步骤,可以包括:
S1501,针对每个面部特征信息,计算该面部特征信息对应的第一距离和第二距离之间的第一差值;
其中,所述第一距离为所述第一特征运动矢量的距离,所述第二距离为所述第二特征运动矢量的距离。
针对每个面部特征信息,为了将该面部特征信息对应的第一特征运动矢量和第二特征运动矢量进行匹配,可以分别将该面部特征信息对应的第一特征运动矢量的距离和第二特征运动矢量的距离进行匹配,将该面部特征信息对应的第一特征运动矢量的角度和该面部特征信息对应的第二特征运动矢量的角度进行匹配。
在一种实施方式中,针对每个面部特征信息,电子设备可以计算该面部特征信息对应的第一距离和第二距离之间的第一差值,其中,第一距离为第一特征运动矢量的距离,第二距离为第二特征运动矢量的距离,即电子设备可以计算该面部特征信息对应的第一特征运动矢量的距离和第二特征运动矢量的距离之间的差值。
例如,针对某一面部关键点,电子设备得到该面部关键点对应的第一特征运动矢量的距离为Dist1,第二特征运动矢量的距离为Dist2,那么可以计算Dist1和Dist2之间的差值diff1,作为第一差值。
S1502,计算该面部特征信息对应的第一角度与第二角度之间的第二差值;
其中,所述第一角度为所述第一特征运动矢量的角度,所述第二角度为所述第二特征运动矢量的角度。
为了将该面部特征信息对应的第一特征运动矢量的角度和该面部特征信息对应的第二特征运动矢量的角度进行匹配,针对每个面部特征信息,电子设备可以计算该面部特征信息对应的第一角度和第二角度之间的第二差值,其中,第一角度为第一特征运动矢量的角度,第二角度为第二特征运动矢量的角度,即电子设备可以计算该面部特征信息对应的第一特征运动矢量的角度和第二特征运动矢量的角度之间的差值。
例如,针对某一面部关键点,电子设备得到该面部关键点对应的第一特征运动矢量的角度为α1,第二特征运动矢量的角度为α2,那么可以计算α1和α2之间的差值diff2,作为第二差值。
S1503,在所述第一差值不大于第一预设阈值,且所述第二差值不大于第二预设阈值的情况下,确定该面部特征信息匹配成功;
S1504,在所有面部特征信息均匹配成功的情况下,确定面部匹配结果为成功。
在电子设备计算得到第一差值后,可以将第一差值与第一预设阈值进行比较,将第二差值与第二预设阈值进行比较。在第一差值不大于第一预设阈值,且第二差值不大于第二预设阈值的情况下,说明该面部特征信息对应的第一特征运动矢量与第二特征运动矢量具有一致性,那么可以确定该面部特征信息匹配成功。
例如,电子设备可以将第一差值diff1与第一预设阈值diff_1比较,将第二差值diff2与第二预设阈值diff_2比较,如果第一差值diff1小于第一预设阈值diff_1,且第二差值diff2小于第二预设阈值diff_2,那么可以确定该面部特征信息匹配成功。
进而在所有面部特征信息均匹配成功的情况下,电子设备可以确定面部匹配结果为成功,即可以确定待匹配可见光图像中的人员与待匹配红外图像中的人员为同一人员。
可见,在本实施例中,针对每个面部特征信息,电子设备可以计算该面部特征信息对应的第一距离和第二距离之间的第一差值,计算该面部特征信息对应的第一角度与第二角度之间的第二差值,在第一差值不大于第一预设阈值,且第二差值不大于第二预设阈值的情况下,确定该面部特征信息匹配成功,进而在所有面部特征信息均匹配成功的情况下,确定面部匹配结果为成功。这样通过计算第一差值与第一预设阈值进行比较,计算第二差值与第二预设阈值进行比较,同时考虑到特征运动矢量的距离和方向,使面部特征信息的匹配结果更加准确,进而在所有面部特征信息匹配结果为匹配成功时,确定面部匹配结果为成功,更加准确有效的对待匹配可见光图像中的人员与待匹配红外图像中的人员进行匹配,提升双目匹配的保护性以及面部识别的安全性。
作为本申请实施例的一种实施方式,上述根据所述待匹配可见光图像以及第一历史时间段内所述待匹配可见光图像之前的可见光图像包括的面部特征信息的位置,确定第一特征运动矢量,并根据所述待匹配红外图像以及所述第一历史时间段内所述待匹配红外图像之前的红外图像包括的面部特征信息的位置,确定第二特征运动矢量的步骤,可以包括:
针对每个面部特征信息,根据所述待匹配可见光图像以及第一历史时间段内所述待匹配可见光图像之前的可见光图像包括的该面部特征信息的位置,确定第一运动轨迹方程,其中,所述面部特征信息包括关键点和面部检测框;
针对每个面部特征信息,根据所述待匹配红外图像以及所述第一历史时间段内所述待匹配红外图像之前的红外图像包括的该面部特征信息的位置,确定第二运动轨迹方程。
由于某一时间段内,可见光采集设备采集的各图像中包括的面部特征信息的位置可能并不处于同一条直线上,而是处于曲线上,同样的,红外光采集设备采集的各图像中包括的面部特征信息的位置也可能并不处于同一条直线上,而是处于曲线上,那么,电子设备可以针对每个面部特征信息,根据待匹配可见光图像以及第一历史时间段内待匹配可见光图像之前的可见光图像包括的该面部特征信息的位置,确定第一运动轨迹方程,其中,面部特征信息包括关键点和面部检测框。
同样的,针对每个面部特征信息,电子设备可以根据待匹配红外图像以及第一历史时间段内待匹配红外图像之前的红外图像包括的该面部特征信息的位置,确定第二运动轨迹方程。进而将第一运动轨迹方程和第二运动轨迹方程进行匹配。
例如,在人员进入门禁考勤一体机的图像采集范围时,可见光镜头与红外光镜头分别采集可见光图像和红外图像,在时间段t1内,可见光镜头可以采集多个可见光图像,红外光镜头可以采集多个红外图像,电子设备可以根据待匹配可见光图像以及时间段t1内待匹配可见光图像之前的可见光图像包括的某个面部关键点的位置,确定第一运动轨迹方程为y1=a1x2+b1,同样的,电子设备可以根据待匹配红外图像以及时间段t1内待匹配红外图像之前的红外图像包括的某个面部关键点的位置,确定第二特征运动矢量y2=a2x2+b2,进而将第一运动轨迹方程y1=a1x2+b1和第二运动轨迹方程y2=a2x2+b2进行匹配。
可见,在本实施例中,针对每个面部特征信息,电子设备可以根据待匹配可见光图像以及第一历史时间段内待匹配可见光图像之前的可见光图像包括的该面部特征信息的位置,确定第一运动轨迹方程,并可以根据待匹配红外图像以及第一历史时间段内待匹配红外图像之前的红外图像包括的该面部特征信息的位置,确定第二运动轨迹方程。进而将第一运动轨迹方程和第二运动轨迹方程进行匹配,以确定面部特征信息匹配结果。
作为本申请实施例的一种实施方式,如图16所示,上述将所述第一特征运动矢量与所述第二特征运动矢量进行匹配,得到面部匹配结果的步骤,可以包括:
S1601,针对每个面部特征信息,计算该面部特征信息对应的第一运动轨迹方程与第二运动轨迹方程的相似度;
S1602,在该面部特征信息对应的相似度不小于预设相似度的情况下,确定该面部特征信息匹配成功;
S1603,在所有面部特征信息均匹配成功的情况下,确定面部匹配结果为成功。
针对每个面部特征信息,在电子设备确定第一运动轨迹方程和第二轨迹运动方程后,可以将该面部特征信息对应的第一运动轨迹方程和第二运动轨迹方程进行匹配。在一种实施方式中,电子设备可以计算该面部特征信息对应第一运动轨迹方程与第二运动轨迹方程的相似度,相似度越高,说明第一运动轨迹方程与第二运动轨迹方程的匹配程度越高,因此,在该面部特征信息对应的相似度不小于预设相似度的情况下,可以确定该面部特征信息匹配成功。
那么在所有面部特征信息对应的相似度均不小于预设相似度的情况下,电子设备可以确定所有面部特征信息均匹配成功,这样可以确定面部匹配结果为成功,即可以确定待匹配可见光图像中的人员与待匹配红外图像中的人员为同一人员。
例如,针对某个面部关键点,电子设备可以计算该面部关键点对应的第一运动轨迹方程y1=a1x2+b1和第二运动轨迹方程y2=a2x2+b2的相似度,如果y1=a1x2+b1和第二运动轨迹方程y2=a2x2+b2之间的相似度大于预设相似度,说明该面部关键点对应的第一运动轨迹方程y1=a1x2+b1和第二运动轨迹方程y2=a2x2+b2匹配成功。如果所有面部特征信息均匹配成功,则电子设备可以确定面部匹配结果为成功,即待匹配可见光图像中的人员与待匹配红外图像中的人员为同一人员。
可见,在本实施例中,针对每个面部特征信息,电子设备可以计算该面部特征信息对应的第一运动轨迹方程与第二运动轨迹方程的相似度,在该面部特征信息对应的相似度不小于预设相似度的情况下,确定该面部特征信息匹配成功,在所有面部特征信息均匹配成功的情况下,确定面部匹配结果为成功。这样将运动轨迹方程进行匹配,不仅考虑了待匹配可见光图像中的人员与待匹配红外图像中的人员的位置信息,还考虑了时间信息,使匹配结果更加准确,提升双目匹配的保护性以及面部识别的安全性。
图17为本申请实施例所提供的当前校正值校正方法的一种具体流程图。下面结合图17对本申请实施例所提供的当前校正值校正方法进行举例介绍。如图17所示,本申请实施例所提供的当前校正值校正方法可以包括以下步骤:
S1701,进入匹配库;
在电子设备得到待匹配可见光图像的第一面部特征信息,以及待匹配红外光图像的第二面部特征信息后,可以基于第一面部特征信息与第二面部特征信息,进行双目匹配;
S1702,待匹配可见光图像去畸变,特征点投影至待匹配红外图像,得到第一特征点;
电子设备可以对待匹配可见光图像去畸变,以消除由于镜头设计或制造缺陷导致的图像畸变,在去畸变之后,再将第一面部特征信息包括的特征点投影至待匹配红外图像,得到投影后的第一特征点。
S1703,判断是否需要校正,如果是,执行S1704,如果否,执行步骤S1705;
电子设备可以根据预先设置或投影后第一特征点的位置,判断是否对投影后的第一特征点进行校正。
S1704,按照公式undistortedLeftPoin_X+=Δx,undistortedLeftPoin_Y+=Δy对第一特征点校正;
如果确定对投影后的第一特征点的位置进行校正,那么电子设备可以按照以下公式undistortedLeftPoin_X+=Δx,undistortedLeftPoin_Y+=Δy对投影后的第一特征点的位置进行校正,得到校正后的第一特征点。
S1705,待匹配红外图像去畸变;
S1706,计算校正后的第一特征点与第二面部特征信息中对应的第二特征点之间的偏差;
电子设备对待匹配红外图像去畸变,以消除由于镜头设计或制造缺陷导致的图像畸变,在去畸变之后,计算校正后的第一特征点与第二面部特征信息中对应的第二特征点之间的偏差。
S1707,判断是否通过放电子屏攻击,如果是,执行步骤S1708,如果否,执行S1714;
在电子设备判断是否需要对当前校正值进行调整之前,可以先初步进行可见光图像对应的特征运动矢量与红外图像对应的特征运动矢量匹配的过程,这样,如果此次为攻击者使用照片或者视频进行活体攻击的行为,可以避免对当前校正值进行调整的时间浪费。如果可见光图像对应的特征运动矢量与红外图像对应的特征运动矢量匹配成功,则可以继续判断是否需要更新校正值,否则结束校正流程。
S1708,判断是否需要更新校正值,如果是,执行步骤S1709,如果否,执行步骤S1712;
电子设备确定每个校正后的第一特征点对应的偏差是否满足预设投影精度,以确定是否需要更新当前校正值。如果存在校正后的第一特征点对应的偏差未满足预设投影精度,则需要进行校正,否则判断判断校正后的第一特征点与第二面部特征信息中对应的第二特征点之间是否匹配成功。
S1709,基于面部在图像中的基准位置以及基准眼间距,对校正后的第一特征点和第二特征点进行过滤;
为了避免异常点的干扰,在存在校正后的第一特征点对应的偏差不满足预设投影精度的情况下,电子设备可以基于面部在图像中的基准位置以及基准眼间距,对校正后的第一特征点和第二特征点进行过滤,将导致面部在图像中位置异常以及眼间距异常的特征点去除,得到符合基准位置以及基准眼间距的过滤后的第一特征点和过滤后的第二特征点。
S1710,判断是否满足投影精度,如果是,执行步骤S1712,如果否,执行步骤S1711;
电子设备可以针对每个过滤后的第一特征点,计算该过滤后的第一特征点与对应的过滤后的第二特征点之间的偏差。
S1711,更新校正值;
在每个过滤后的第一特征点对应的偏差不满足预设投影精度的情况下,电子设备可以按照预设步长对当前校正值进行调整。
S1712,判断是否匹配成功,如果是,执行步骤S1713,如果否,执行步骤S1714;
S1713,匹配成功;
S1714,匹配失败。
判断基于当前校正值校正后的第一特征点与第二面部特征信息中对应的第二特征点之间是否匹配成功,如果匹配成功,执行步骤S1713,如果匹配失败,执行步骤S1714。
在一种实施方式中,根据调整后的校正值对投影后的第一特征点的位置进行校正,得到校正后的第一关键点,直到调整后的校正值,使每个校正后的第一特征点对应的偏差满足预设投影精度。
可见,在本实施例中,电子设备可以基于第一面部特征信息包括的特征点以及第二面部特征信息中对应的第二特征点之间的偏差,对当前校正值进行调整,进而基于调整的当前校正值,对第一面部特征信息的位置进行校正,这样使基于第一面部特征信息与第二面部特征信息进行双目匹配得到的特征信息匹配结果更加准确。
此外,在校正时,利用产品生物特征检测时运动矢量不变性这一特点,简化校正流程,即运动矢量与校正参数无关,如果运动矢量匹配不成功,就无需再进行自标定过程,即可以及时停止后续标定参数校正过程;在匹配时,采用特征点投影匹配,即利用标准理论标定参数和校正值结合,将待匹配可见光图像和待匹配红外图像的特征点进行匹配,以准确确定匹配结果,并进一步结合运动矢量匹配进行精度提升。
图18为本申请实施例所提供的双目面部匹配方法的一种具体流程图。下面结合图18对本申请实施例所提供的双目面部匹配方法进行举例介绍。如图18所示,本申请实施例所提供的双目面部匹配方法可以包括以下步骤:
S1801,面部检测;
在人员出现在电子设备可采集图像的范围内的情况下,可见光镜头采集可见光图像、红外光镜头采集红外图像,得到待匹配可见光图像和待匹配红外图像,电子设备对待匹配可见光图像和待匹配红外图像进行面部检测。
例如,如图3所示,门禁考勤一体机301包括可见光镜头302和红外光镜头303,在人员出现在门禁考勤一体机301可采集图像的范围内的情况下,可见光镜头302采集可见光图像、红外光镜头303采集红外图像,作为待匹配可见光图像和待匹配红外图像,并对待匹配可见光图像和待匹配红外图像进行面部检测。
S1802,得到面部检测框以及面部关键点的位置信息;
电子设备对待匹配可见光图像和待匹配红外图像进行面部检测,提取得到待匹配可见光图像的第一面部特征信息以及待匹配红外图像的第二面部特征信息,即得到待匹配可见光图像中面部检测框和面部关键点以及待匹配红外图像中面部检测框和面部关键点。
S1803,判断双目面部匹配是否成功,如果是,执行步骤S1804,如果否,执行步骤S1808;
在电子设备得到待匹配可见光图像中面部检测框和面部关键点后,可以确定待匹配可见光图像中面部检测框和面部关键点的位置信息(即坐标信息),同样的,在得到待匹配红外图像中面部检测框和面部关键点信息后,可以确定待匹配红外图像中面部检测框和面部关键点的位置信息(即坐标信息)。
那么,电子设备可以将待匹配可见光图像中面部检测框与待匹配红外图像中面部检测框进行匹配,同时将待匹配可见光图像中各面部关键点以及待匹配红外图像中对应的各面部关键点进行匹配。
S1804,特征运动矢量计算;
在待匹配可见光图像中面部检测框与待匹配红外图像中面部检测框匹配成功,且待匹配可见光图像中各面部关键点以及待匹配红外图像中对应的各面部关键点匹配成功的情况下,电子设备可以确定每个面部特征信息对应的第一运动矢量和第二运动矢量。
具体来说,电子设备可以将第一历史时间段开始时间对应的可见光图像的面部特征信息的位置,确定为第一运动矢量的历史位置,将第一历史时间段开始时间对应的红外图像的面部特征信息的位置,确定为第二运动矢量的历史位置。同时将待匹配可见光图像的面部特征信息的位置,确定为第一运动矢量的当前位置,将待匹配红外图像的面部特征信息的位置,确定为第二运动矢量的当前位置。
进而基于第一运动矢量的历史位置以及第一运动矢量的当前位置,确定第一特征运动矢量,基于第二运动矢量的历史位置以及第二运动矢量的当前位置,确定第二特征运动矢量。
S1805,判断特征运动矢量匹配是否成功,如果是,执行步骤S1806,如果否,执行步骤S1808;
针对每个面部特征信息,电子设备可以分别将该面部特征信息对应的第一特征运动矢量的距离和第二特征运动矢量的距离进行匹配,将该面部特征信息对应的第一特征运动矢量的角度和该面部特征信息对应的第二特征运动矢量的角度进行匹配,得到该面部特征信息对应的第一特征运动矢量和第二特征运动矢量的匹配结果。
S1806,活体检测;
S1807,面部识别
在所有面部特征信息对应的第一特征运动矢量和第二特征运动矢量匹配成功的情况下,面部匹配结果为匹配成功,可以确定待匹配可见光图像中人员与待匹配红外图像中人员为同一人员,这样可以进一步进行活体检测,并在活体检测成功后,进行面部识别,确定该人员身份。
S1808,异常处理。
在存在面部特征信息对应的第一特征运动矢量和第二特征运动矢量匹配失败的情况下,电子设备会进行异常处理。例如,如图19所示,坐标系均划分为四个象限,分别为第一象限、第二象限、第三象限以及第四象限。第一象限为0°到90°,第二象限为90°到180°,第三象限为180°到270°,第四象限为270°到360°,根据坐标(0,0)、(w,h)可以确定中心点为(w/2,h/2),且在y轴方向的坐标为(w/2,y),x轴方向的坐标为(x,h/2)。由于第一特征运动向量的和第二特征运动向量的当前位置相同,第一特征运动向量的历史位置1和第二特征运动向量的历史位置2不同,该面部特征信息对应的第一特征运动矢量和第二特征运动矢量匹配失败,电子设备会进行异常处理,以终止该面部检测流程。
可见,在本申请实施例所提供的方案中,电子设备可以获取待匹配可见光图像和待匹配红外图像,对待匹配可见光图像和待匹配红外图像进行面部特征提取,得到待匹配可见光图像的第一面部特征信息,以及待匹配红外图像的第二面部特征信息,基于第一面部特征信息与第二面部特征信息进行双目匹配,得到特征信息匹配结果,如果特征信息匹配结果为匹配成功,根据待匹配可见光图像以及第一历史时间段内待匹配可见光图像之前的可见光图像包括的面部特征信息的位置,确定第一特征运动矢量,并根据待匹配红外图像以及第一历史时间段内待匹配红外图像之前的红外图像包括的面部特征信息的位置,确定第二特征运动矢量,将第一特征运动矢量与第二特征运动矢量进行匹配,得到面部匹配结果。由于在提取到可见光图像的第一面部特征信息以及红外图像的第二面部特征信息后,不仅对第一面部特征信息与第二面部特征信息进行双目匹配,还根据待匹配可见光图像以及第一历史时间段内待匹配可见光图像之前的可见光图像包括的面部特征信息的位置确定第一特征运动矢量,根据待匹配红外图像以及第一历史时间段内待匹配红外图像之前的红外图像包括的面部特征信息的位置确定第二特征运动矢量,进而将第一特征运动矢量与第二特征运动矢量进行匹配,得到面部匹配结果,这样即使某一时刻可见光采集设备与红外光采集设备采集到的图像中的面部特征信息能够相互匹配,但是基于红外图像的形成原理,即由热红外扫描器接收和记录目标物发射的热辐射能而形成,如果待识别人员是利用照片、视频等进行面部识别,红外光采集设备是无法获取时间段内的待识别人员面部的位置变化的,也就无法确定第二面部特征运动矢量,或者人员手持照片会导致历史时间段内运动矢量的偏移,那么第一面部特征运动矢量与第二面部特征矢量无法匹配成功,因此,将第一特征运动矢量和第二特征运动矢量的进行匹配,在考虑位置信息的同时,进一步考虑了时间信息,这样可以提升双目匹配的保护性以及面部识别的安全性。
相应于上述一种双目面部匹配方法,本申请实施例还提供了一种双目面部匹配装置。下面对本申请实施例所提供的一种双目面部匹配装置进行介绍。
如图20所示,一种双目面部匹配装置,所述装置包括:
图像获取模块2010,用于获取待匹配可见光图像和待匹配红外图像;
面部特征信息获取模块2020,用于对所述待匹配可见光图像和所述待匹配红外图像进行面部特征提取,得到所述待匹配可见光图像的第一面部特征信息,以及所述待匹配红外图像的第二面部特征信息;
特征信息匹配结果获取模块2030,用于基于所述第一面部特征信息与所述第二面部特征信息进行双目匹配,得到特征信息匹配结果;
第一特征运动矢量确定模块2040,用于如果所述特征信息匹配结果为匹配成功,根据所述待匹配可见光图像以及第一历史时间段内所述待匹配可见光图像之前的可见光图像包括的面部特征信息的位置,确定第一特征运动矢量,并根据所述待匹配红外图像以及所述第一历史时间段内所述待匹配红外图像之前的红外图像包括的面部特征信息的位置,确定第二特征运动矢量;
第一面部匹配结果获取模块2050,用于将所述第一特征运动矢量与所述第二特征运动矢量进行匹配,得到面部匹配结果。
可见,在本申请实施例所提供的方案中,电子设备可以获取待匹配可见光图像和待匹配红外图像,对待匹配可见光图像和待匹配红外图像进行面部特征提取,得到待匹配可见光图像的第一面部特征信息,以及待匹配红外图像的第二面部特征信息,基于第一面部特征信息与第二面部特征信息进行双目匹配,得到特征信息匹配结果,如果特征信息匹配结果为匹配成功,根据待匹配可见光图像以及第一历史时间段内待匹配可见光图像之前的可见光图像包括的面部特征信息的位置,确定第一特征运动矢量,并根据待匹配红外图像以及第一历史时间段内待匹配红外图像之前的红外图像包括的面部特征信息的位置,确定第二特征运动矢量,将第一特征运动矢量与第二特征运动矢量进行匹配,得到面部匹配结果。由于在提取到可见光图像的第一面部特征信息以及红外图像的第二面部特征信息后,不仅对第一面部特征信息与第二面部特征信息进行双目匹配,还根据待匹配可见光图像以及第一历史时间段内待匹配可见光图像之前的可见光图像包括的面部特征信息的位置确定第一特征运动矢量,根据待匹配红外图像以及第一历史时间段内待匹配红外图像之前的红外图像包括的面部特征信息的位置确定第二特征运动矢量,进而将第一特征运动矢量与第二特征运动矢量进行匹配,得到面部匹配结果,这样即使某一时刻可见光采集设备与红外光采集设备采集到的图像中的面部特征信息能够相互匹配,但是基于红外图像的形成原理,即由热红外扫描器接收和记录目标物发射的热辐射能而形成,如果待识别人员是利用照片、视频等进行面部识别,红外光采集设备是无法获取时间段内的待识别人员面部的位置变化的,也就无法确定第二面部特征运动矢量,或者人员手持照片会导致历史时间段内运动矢量的偏移,那么第一面部特征运动矢量与第二面部特征矢量无法匹配成功,因此,将第一特征运动矢量和第二特征运动矢量的进行匹配,在考虑位置信息的同时,进一步考虑了时间信息,这样可以提升双目匹配的保护性以及面部识别的安全性。
作为本申请实施例的一种实施方式,所述第一特征运动矢量确定模块2040,可以包括:
历史位置确定子模块,用于将所述第一历史时间段的开始时间对应的第一目标图像的面部特征信息的位置,确定为历史位置,其中,所述第一目标图像包括所述可见光图像和所述红外图像;
当前位置确定子模块,用于将第二目标图像的面部特征信息的位置,确定为当前位置,其中,所述第二目标图像包括所述待匹配可见光图像和所述待匹配红外图像;
特征运动矢量确定子模块,用于基于所述历史位置以及所述当前位置,确定特征运动矢量,其中,所述第一目标图像为所述可见光图像,所述第二目标图像为所述待匹配可见光图像的情况下,所述特征运动矢量为第一特征运动矢量,所述第一目标图像为所述红外图像,所述第二目标图像为所述待匹配红外图像的情况下,所述特征运动矢量为第二特征运动矢量。
作为本申请实施例的一种实施方式,所述特征运动矢量确定子模块,可以包括:
位置平移单元,用于针对每个面部特征信息,将该面部特征信息对应的历史位置和当前位置进行平移,以使该历史位置位于预设中心点,其中,所述面部特征信息包括面部关键点和面部检测框;
特征运动矢量计算单元,用于按照以下公式,基于平移后的该面部特征信息对应的历史位置和当前位置,计算特征运动矢量:
;
;
其中,为平移后的该面部特征信息对应的当前位置在预设坐标系中的坐
标,为所述特征运动矢量的距离,为所述特征运动矢量在所述预设坐标系中对应的角
度,所述预设坐标系以所述预设中心点为原点,所述预设坐标系的不同象限标识不同角度
范围。
作为本申请实施例的一种实施方式,所述第一面部匹配结果获取模块2050,可以包括:
第一差值计算子模块,用于针对每个面部特征信息,计算该面部特征信息对应的第一距离和第二距离之间的第一差值,其中,所述第一距离为所述第一特征运动矢量的距离,所述第二距离为所述第二特征运动矢量的距离;
第二差值计算子模块,用于计算该面部特征信息对应的第一角度与第二角度之间的第二差值,其中,所述第一角度为所述第一特征运动矢量的角度,所述第二角度为所述第二特征运动矢量的角度;
第一匹配成功子模块,用于在所述第一差值不大于第一预设阈值,且所述第二差值不大于第二预设阈值的情况下,确定该面部特征信息匹配成功;
第一面部匹配成功子模块,用于在所有面部特征信息均匹配成功的情况下,确定面部匹配结果为成功。
作为本申请实施例的一种实施方式,所述第一特征运动矢量确定模块2040,可以包括:
第一运动轨迹方程确定子模块,用于针对每个面部特征信息,根据所述待匹配可见光图像以及第一历史时间段内所述待匹配可见光图像之前的可见光图像包括的该面部特征信息的位置,确定第一运动轨迹方程,其中,所述面部特征信息包括关键点和面部检测框;
第二运动轨迹方程确定子模块,用于针对每个面部特征信息,根据所述待匹配红外图像以及所述第一历史时间段内所述待匹配红外图像之前的红外图像包括的该面部特征信息的位置,确定第二运动轨迹方程。
作为本申请实施例的一种实施方式,所述第一面部匹配结果获取模块2050,可以包括:
相似度计算子模块,用于针对每个面部特征信息,计算该面部特征信息对应的第一运动轨迹方程与第二运动轨迹方程的相似度;
第二匹配成功子模块,用于在该面部特征信息对应的相似度不小于预设相似度的情况下,确定该面部特征信息匹配成功;
第二面部匹配成功子模块,用于在所有面部特征信息均匹配成功的情况下,确定面部匹配结果为成功。
作为本申请实施例的一种实施方式,所述装置还可以包括:
第一获取模块,用于在所述基于所述第一面部特征信息与所述第二面部特征信息进行双目匹配,得到特征信息匹配结果的步骤之前,将所述第一面部特征信息包括的特征点投影至所述待匹配红外图像,得到投影后的第一特征点,其中,所述特征点包括面部关键点和/或面部检测框对应的特征点;
第二获取模块,用于根据当前校正值对所述投影后的第一特征点的位置进行校正,得到校正后的第一特征点;
第一偏差计算模块,用于针对每个校正后的第一特征点,计算该校正后的第一特征点与所述第二面部特征信息中对应的第二特征点之间的偏差;
投影精度判断模块,用于确定所述每个校正后的第一特征点对应的偏差是否满足预设投影精度;
当前校正值调整模块,用于在所述每个校正后的第一特征点对应的偏差不满足所述预设投影精度的情况下,按照预设步长对所述当前校正值进行调整;
投影精度满足模块,用于返回所述根据当前校正值对所述投影后的第一特征点的位置进行校正,得到校正后的第一关键点的步骤,直到所述每个校正后的第一特征点对应的偏差满足所述预设投影精度;
第一面部特征信息校正模块,用于根据当前校正值,对所述第一面部特征信息的位置进行校正,将校正后的第一面部特征信息作为第一面部特征信息,并执行所述基于所述第一面部特征信息与所述第二面部特征信息进行双目匹配,得到特征信息匹配结果的步骤。
作为本申请实施例的一种实施方式,所述装置还可以包括:
特征点过滤模块,用于在所述按照预设步长对所述当前校正值进行调整的步骤之前,在所述每个校正后的第一特征点对应的偏差不满足预设投影精度的情况下,基于面部在图像中的基准位置以及基准眼间距,对所述校正后的第一特征点和所述第二特征点进行过滤,得到符合所述基准位置以及所述基准眼间距的过滤后的第一特征点和过滤后的第二特征点;
第二偏差计算模块,用于针对每个过滤后的第一特征点,计算该过滤后的第一特征点与对应的过滤后的第二特征点之间的偏差;
校正值调整执行模块,用于在所述每个过滤后的第一特征点对应的偏差不满足预设投影精度的情况下,执行所述按照预设步长对所述当前校正值进行调整的步骤。
作为本申请实施例的一种实施方式,所述装置还可以包括:
第二特征运动矢量确定模块,用于在所述确定所述每个校正后的第一特征点对应的偏差是否满足预设投影精度的步骤之前,根据所述待匹配可见光图像以及第二历史时间段内所述待匹配可见光图像之前的可见光图像包括的面部特征信息的位置,确定第三特征运动矢量,并根据所述待匹配红外图像以及所述第二历史时间段内所述待匹配红外图像之前的红外图像包括的面部特征信息的位置,确定第四特征运动矢量;
第二面部匹配结果获取模块,用于将所述第三特征运动矢量与所述第四特征运动矢量进行匹配,得到面部匹配结果;
投影精度判断执行模块,用于在所述面部匹配结果为匹配成功的情况下,执行所述确定所述每个校正后的第一特征点对应的偏差是否满足预设投影精度的步骤。
本申请实施例还提供了一种电子设备,如图21所示,包括:
存储器2101,用于存放计算机程序;
处理器2102,用于执行存储器2101上所存放的程序时,实现上述任一实施例所述的车体尺寸信息的检测方法步骤。
并且上述电子设备还可以包括通信总线和/或通信接口,处理器2102、通信接口、存储器2101通过通信总线完成相互间的通信。
可见,在本申请实施例所提供的方案中,电子设备可以获取待匹配可见光图像和待匹配红外图像,对待匹配可见光图像和待匹配红外图像进行面部特征提取,得到待匹配可见光图像的第一面部特征信息,以及待匹配红外图像的第二面部特征信息,基于第一面部特征信息与第二面部特征信息进行双目匹配,得到特征信息匹配结果,如果特征信息匹配结果为匹配成功,根据待匹配可见光图像以及第一历史时间段内待匹配可见光图像之前的可见光图像包括的面部特征信息的位置,确定第一特征运动矢量,并根据待匹配红外图像以及第一历史时间段内待匹配红外图像之前的红外图像包括的面部特征信息的位置,确定第二特征运动矢量,将第一特征运动矢量与第二特征运动矢量进行匹配,得到面部匹配结果。由于在提取到可见光图像的第一面部特征信息以及红外图像的第二面部特征信息后,不仅对第一面部特征信息与第二面部特征信息进行双目匹配,还根据待匹配可见光图像以及第一历史时间段内待匹配可见光图像之前的可见光图像包括的面部特征信息的位置确定第一特征运动矢量,根据待匹配红外图像以及第一历史时间段内待匹配红外图像之前的红外图像包括的面部特征信息的位置确定第二特征运动矢量,进而将第一特征运动矢量与第二特征运动矢量进行匹配,得到面部匹配结果,这样即使某一时刻可见光采集设备与红外光采集设备采集到的图像中的特征信息能够相互匹配,但是基于红外图像的形成原理,即由热红外扫描器接收和记录目标物发射的热辐射能而形成,如果待识别人员是利用照片、视频等进行面部识别,红外光采集设备是无法获取时间段内的待识别人员面部的位置变化的,也就无法确定第二面部特征运动矢量,或者人员手持照片会导致历史时间段内运动矢量的偏移,那么第一面部特征运动矢量与第二面部特征矢量无法匹配成功,因此,将第一特征运动矢量和第二特征运动矢量的进行匹配,在考虑位置信息的同时,进一步考虑了时间信息,这样可以提升双目匹配的保护性以及面部识别的安全性。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,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。
在本申请提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一双目面部匹配方法的步骤。
在本申请提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一双目面部匹配方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者固态硬盘(Solid StateDisk,SSD)等。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、电子设备、计算机可读存储介质以及计算机程序产品实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的较佳实施例,并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本申请的保护范围内。
Claims (13)
1.一种双目面部匹配方法,其特征在于,所述方法包括:
获取待匹配可见光图像和待匹配红外图像;
对所述待匹配可见光图像和所述待匹配红外图像进行面部特征提取,得到所述待匹配可见光图像的第一面部特征信息,以及所述待匹配红外图像的第二面部特征信息;
基于所述第一面部特征信息与所述第二面部特征信息进行双目匹配,得到特征信息匹配结果;
如果所述特征信息匹配结果为匹配成功,根据所述待匹配可见光图像以及第一历史时间段内所述待匹配可见光图像之前的可见光图像包括的面部特征信息的位置,确定第一特征运动矢量,并根据所述待匹配红外图像以及所述第一历史时间段内所述待匹配红外图像之前的红外图像包括的面部特征信息的位置,确定第二特征运动矢量;
将所述第一特征运动矢量与所述第二特征运动矢量进行匹配,得到面部匹配结果。
2.根据权利要求1所述的方法,其特征在于,在所述基于所述第一面部特征信息与所述第二面部特征信息进行双目匹配,得到特征信息匹配结果的步骤之前,所述方法还包括:
将所述第一面部特征信息包括的特征点投影至所述待匹配红外图像,得到投影后的第一特征点,其中,所述特征点包括面部关键点和/或面部检测框对应的特征点;
根据当前校正值对所述投影后的第一特征点的位置进行校正,得到校正后的第一特征点;
针对每个校正后的第一特征点,计算该校正后的第一特征点与所述第二面部特征信息中对应的第二特征点之间的偏差;
确定所述每个校正后的第一特征点对应的偏差是否满足预设投影精度;
在所述每个校正后的第一特征点对应的偏差不满足所述预设投影精度的情况下,按照预设步长对所述当前校正值进行调整;
返回所述根据当前校正值对所述投影后的第一特征点的位置进行校正,得到校正后的第一关键点的步骤,直到所述每个校正后的第一特征点对应的偏差满足所述预设投影精度;
根据当前校正值,对所述第一面部特征信息的位置进行校正,将校正后的第一面部特征信息作为第一面部特征信息,并执行所述基于所述第一面部特征信息与所述第二面部特征信息进行双目匹配,得到特征信息匹配结果的步骤。
3.根据权利要求2所述的方法,其特征在于,在所述按照预设步长对所述当前校正值进行调整的步骤之前,所述方法还包括:
在所述每个校正后的第一特征点对应的偏差不满足预设投影精度的情况下,基于面部在图像中的基准位置以及基准眼间距,对所述校正后的第一特征点和所述第二特征点进行过滤,得到符合所述基准位置以及所述基准眼间距的过滤后的第一特征点和过滤后的第二特征点;
针对每个过滤后的第一特征点,计算该过滤后的第一特征点与对应的过滤后的第二特征点之间的偏差;
在所述每个过滤后的第一特征点对应的偏差不满足预设投影精度的情况下,执行所述按照预设步长对所述当前校正值进行调整的步骤。
4.根据权利要求2所述的方法,其特征在于,在所述确定所述每个校正后的第一特征点对应的偏差是否满足预设投影精度的步骤之前,所述方法还包括:
根据所述待匹配可见光图像以及第二历史时间段内所述待匹配可见光图像之前的可见光图像包括的面部特征信息的位置,确定第三特征运动矢量,并根据所述待匹配红外图像以及所述第二历史时间段内所述待匹配红外图像之前的红外图像包括的面部特征信息的位置,确定第四特征运动矢量;
将所述第三特征运动矢量与所述第四特征运动矢量进行匹配,得到面部匹配结果;
在所述面部匹配结果为匹配成功的情况下,执行所述确定所述每个校正后的第一特征点对应的偏差是否满足预设投影精度的步骤。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述根据所述待匹配可见光图像以及第一历史时间段内所述待匹配可见光图像之前的可见光图像包括的面部特征信息的位置,确定第一特征运动矢量,并根据所述待匹配红外图像以及所述第一历史时间段内所述待匹配红外图像之前的红外图像包括的面部特征信息的位置,确定第二特征运动矢量的步骤,包括:
将所述第一历史时间段的开始时间对应的第一目标图像的面部特征信息的位置,确定为历史位置,其中,所述第一目标图像包括所述可见光图像和所述红外图像;
将第二目标图像的面部特征信息的位置,确定为当前位置,其中,所述第二目标图像包括所述待匹配可见光图像和所述待匹配红外图像;
基于所述历史位置以及所述当前位置,确定特征运动矢量,其中,所述第一目标图像为所述可见光图像,所述第二目标图像为所述待匹配可见光图像的情况下,所述特征运动矢量为第一特征运动矢量,所述第一目标图像为所述红外图像,所述第二目标图像为所述待匹配红外图像的情况下,所述特征运动矢量为第二特征运动矢量。
6.根据权利要求5所述的方法,其特征在于,所述基于所述历史位置以及所述当前位置,确定特征运动矢量的步骤,包括:
针对每个面部特征信息,将该面部特征信息对应的历史位置和当前位置进行平移,以使该历史位置位于预设中心点,其中,所述面部特征信息包括面部关键点和面部检测框;
按照以下公式,基于平移后的该面部特征信息对应的历史位置和当前位置,计算特征运动矢量:
;
;
其中,为平移后的该面部特征信息对应的当前位置在预设坐标系中的坐标,为所述特征运动矢量的距离,/>为所述特征运动矢量在所述预设坐标系中对应的角度,所述预设坐标系以所述预设中心点为原点,所述预设坐标系的不同象限标识不同角度范围。
7.根据权利要求6所述的方法,其特征在于,所述将所述第一特征运动矢量与所述第二特征运动矢量进行匹配,得到面部匹配结果的步骤,包括:
针对每个面部特征信息,计算该面部特征信息对应的第一距离和第二距离之间的第一差值,其中,所述第一距离为所述第一特征运动矢量的距离,所述第二距离为所述第二特征运动矢量的距离;
计算该面部特征信息对应的第一角度与第二角度之间的第二差值,其中,所述第一角度为所述第一特征运动矢量的角度,所述第二角度为所述第二特征运动矢量的角度;
在所述第一差值不大于第一预设阈值,且所述第二差值不大于第二预设阈值的情况下,确定该面部特征信息匹配成功;
在所有面部特征信息均匹配成功的情况下,确定面部匹配结果为成功。
8.根据权利要求1-4任一项所述的方法,其特征在于,所述根据所述待匹配可见光图像以及第一历史时间段内所述待匹配可见光图像之前的可见光图像包括的面部特征信息的位置,确定第一特征运动矢量,并根据所述待匹配红外图像以及所述第一历史时间段内所述待匹配红外图像之前的红外图像包括的面部特征信息的位置,确定第二特征运动矢量的步骤,包括:
针对每个面部特征信息,根据所述待匹配可见光图像以及第一历史时间段内所述待匹配可见光图像之前的可见光图像包括的该面部特征信息的位置,确定第一运动轨迹方程,其中,所述面部特征信息包括关键点和面部检测框;
针对每个面部特征信息,根据所述待匹配红外图像以及所述第一历史时间段内所述待匹配红外图像之前的红外图像包括的该面部特征信息的位置,确定第二运动轨迹方程。
9.根据权利要求8所述的方法,其特征在于,所述将所述第一特征运动矢量与所述第二特征运动矢量进行匹配,得到面部匹配结果的步骤,包括:
针对每个面部特征信息,计算该面部特征信息对应的第一运动轨迹方程与第二运动轨迹方程的相似度;
在该面部特征信息对应的相似度不小于预设相似度的情况下,确定该面部特征信息匹配成功;
在所有面部特征信息均匹配成功的情况下,确定面部匹配结果为成功。
10.一种双目面部匹配装置,其特征在于,所述装置包括:
图像获取模块,用于获取待匹配可见光图像和待匹配红外图像;
面部特征信息获取模块,用于对所述待匹配可见光图像和所述待匹配红外图像进行面部特征提取,得到所述待匹配可见光图像的第一面部特征信息,以及所述待匹配红外图像的第二面部特征信息;
特征信息匹配结果获取模块,用于基于所述第一面部特征信息与所述第二面部特征信息进行双目匹配,得到特征信息匹配结果;
第一特征运动矢量确定模块,用于如果所述特征信息匹配结果为匹配成功,根据所述待匹配可见光图像以及第一历史时间段内所述待匹配可见光图像之前的可见光图像包括的面部特征信息的位置,确定第一特征运动矢量,并根据所述待匹配红外图像以及所述第一历史时间段内所述待匹配红外图像之前的红外图像包括的面部特征信息的位置,确定第二特征运动矢量;
第一面部匹配结果获取模块,用于将所述第一特征运动矢量与所述第二特征运动矢量进行匹配,得到面部匹配结果。
11.根据权利要求10所述的装置,其特征在于,所述装置还包括:
第一获取模块,用于在所述基于所述第一面部特征信息与所述第二面部特征信息进行双目匹配,得到特征信息匹配结果的步骤之前,将所述第一面部特征信息包括的特征点投影至所述待匹配红外图像,得到投影后的第一特征点,其中,所述特征点包括面部关键点和/或面部检测框对应的特征点;
第二获取模块,用于根据当前校正值对所述投影后的第一特征点的位置进行校正,得到校正后的第一特征点;
第一偏差计算模块,用于针对每个校正后的第一特征点,计算该校正后的第一特征点与所述第二面部特征信息中对应的第二特征点之间的偏差;
投影精度判断模块,用于确定所述每个校正后的第一特征点对应的偏差是否满足预设投影精度;
当前校正值调整模块,用于在所述每个校正后的第一特征点对应的偏差不满足所述预设投影精度的情况下,按照预设步长对所述当前校正值进行调整;
投影精度满足模块,用于返回所述根据当前校正值对所述投影后的第一特征点的位置进行校正,得到校正后的第一关键点的步骤,直到所述每个校正后的第一特征点对应的偏差满足所述预设投影精度;
第一面部特征信息校正模块,用于根据当前校正值,对所述第一面部特征信息的位置进行校正,将校正后的第一面部特征信息作为第一面部特征信息,并执行所述基于所述第一面部特征信息与所述第二面部特征信息进行双目匹配,得到特征信息匹配结果的步骤;
所述装置还包括:
特征点过滤模块,用于在所述按照预设步长对所述当前校正值进行调整的步骤之前,在所述每个校正后的第一特征点对应的偏差不满足预设投影精度的情况下,基于面部在图像中的基准位置以及基准眼间距,对所述校正后的第一特征点和所述第二特征点进行过滤,得到符合所述基准位置以及所述基准眼间距的过滤后的第一特征点和过滤后的第二特征点;
第二偏差计算模块,用于针对每个过滤后的第一特征点,计算该过滤后的第一特征点与对应的过滤后的第二特征点之间的偏差;
校正值调整执行模块,用于在所述每个过滤后的第一特征点对应的偏差不满足预设投影精度的情况下,执行所述按照预设步长对所述当前校正值进行调整的步骤;
所述装置还包括:
第二特征运动矢量确定模块,用于在所述确定所述每个校正后的第一特征点对应的偏差是否满足预设投影精度的步骤之前,根据所述待匹配可见光图像以及第二历史时间段内所述待匹配可见光图像之前的可见光图像包括的面部特征信息的位置,确定第三特征运动矢量,并根据所述待匹配红外图像以及所述第二历史时间段内所述待匹配红外图像之前的红外图像包括的面部特征信息的位置,确定第四特征运动矢量;
第二面部匹配结果获取模块,用于将所述第三特征运动矢量与所述第四特征运动矢量进行匹配,得到面部匹配结果;
投影精度判断执行模块,用于在所述面部匹配结果为匹配成功的情况下,执行所述确定所述每个校正后的第一特征点对应的偏差是否满足预设投影精度的步骤;
所述第一特征运动矢量确定模块,包括:
历史位置确定子模块,用于将所述第一历史时间段的开始时间对应的第一目标图像的面部特征信息的位置,确定为历史位置,其中,所述第一目标图像包括所述可见光图像和所述红外图像;
当前位置确定子模块,用于将第二目标图像的面部特征信息的位置,确定为当前位置,其中,所述第二目标图像包括所述待匹配可见光图像和所述待匹配红外图像;
特征运动矢量确定子模块,用于基于所述历史位置以及所述当前位置,确定特征运动矢量,其中,所述第一目标图像为所述可见光图像,所述第二目标图像为所述待匹配可见光图像的情况下,所述特征运动矢量为第一特征运动矢量,所述第一目标图像为所述红外图像,所述第二目标图像为所述待匹配红外图像的情况下,所述特征运动矢量为第二特征运动矢量;
所述特征运动矢量确定子模块,包括:
位置平移单元,用于针对每个面部特征信息,将该面部特征信息对应的历史位置和当前位置进行平移,以使该历史位置位于预设中心点,其中,所述面部特征信息包括面部关键点和面部检测框;
特征运动矢量计算单元,用于按照以下公式,基于平移后的该面部特征信息对应的历史位置和当前位置,计算特征运动矢量:
;
;
其中,为平移后的该面部特征信息对应的当前位置在预设坐标系中的坐标,为所述特征运动矢量的距离,/>为所述特征运动矢量在所述预设坐标系中对应的角度,所述预设坐标系以所述预设中心点为原点,所述预设坐标系的不同象限标识不同角度范围;
所述第一面部匹配结果获取模块,包括:
第一差值计算子模块,用于针对每个面部特征信息,计算该面部特征信息对应的第一距离和第二距离之间的第一差值,其中,所述第一距离为所述第一特征运动矢量的距离,所述第二距离为所述第二特征运动矢量的距离;
第二差值计算子模块,用于计算该面部特征信息对应的第一角度与第二角度之间的第二差值,其中,所述第一角度为所述第一特征运动矢量的角度,所述第二角度为所述第二特征运动矢量的角度;
第一匹配成功子模块,用于在所述第一差值不大于第一预设阈值,且所述第二差值不大于第二预设阈值的情况下,确定该面部特征信息匹配成功;
第一面部匹配成功子模块,用于在所有面部特征信息均匹配成功的情况下,确定面部匹配结果为成功;
所述第一特征运动矢量确定模块,包括:
第一运动轨迹方程确定子模块,用于针对每个面部特征信息,根据所述待匹配可见光图像以及第一历史时间段内所述待匹配可见光图像之前的可见光图像包括的该面部特征信息的位置,确定第一运动轨迹方程,其中,所述面部特征信息包括关键点和面部检测框;
第二运动轨迹方程确定子模块,用于针对每个面部特征信息,根据所述待匹配红外图像以及所述第一历史时间段内所述待匹配红外图像之前的红外图像包括的该面部特征信息的位置,确定第二运动轨迹方程;
所述第一面部匹配结果获取模块,包括:
相似度计算子模块,用于针对每个面部特征信息,计算该面部特征信息对应的第一运动轨迹方程与第二运动轨迹方程的相似度;
第二匹配成功子模块,用于在该面部特征信息对应的相似度不小于预设相似度的情况下,确定该面部特征信息匹配成功;
第二面部匹配成功子模块,用于在所有面部特征信息均匹配成功的情况下,确定面部匹配结果为成功。
12.一种电子设备,其特征在于,包括:
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-9任一所述的方法。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-9任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410398691.9A CN117994865A (zh) | 2024-04-01 | 2024-04-01 | 一种双目面部匹配方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410398691.9A CN117994865A (zh) | 2024-04-01 | 2024-04-01 | 一种双目面部匹配方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117994865A true CN117994865A (zh) | 2024-05-07 |
Family
ID=90896343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410398691.9A Pending CN117994865A (zh) | 2024-04-01 | 2024-04-01 | 一种双目面部匹配方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117994865A (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100141770A1 (en) * | 2008-12-05 | 2010-06-10 | Sony Corporation | Imaging apparatus and imaging method |
US20160350611A1 (en) * | 2015-04-29 | 2016-12-01 | Beijing Kuangshi Technology Co., Ltd. | Method and apparatus for authenticating liveness face, and computer program product thereof |
CN106372601A (zh) * | 2016-08-31 | 2017-02-01 | 上海依图网络科技有限公司 | 一种基于红外可见双目图像的活体检测方法及装置 |
CN110008813A (zh) * | 2019-01-24 | 2019-07-12 | 阿里巴巴集团控股有限公司 | 基于活体检测技术的人脸识别方法和系统 |
WO2019218621A1 (zh) * | 2018-05-18 | 2019-11-21 | 北京市商汤科技开发有限公司 | 活体检测方法及装置、电子设备和存储介质 |
CN110569760A (zh) * | 2019-08-27 | 2019-12-13 | 东南大学 | 一种基于近红外和远程光电体积描记术的活体检测方法 |
CN110991266A (zh) * | 2019-11-13 | 2020-04-10 | 北京智芯原动科技有限公司 | 一种双目人脸活体检测方法及装置 |
CN111488756A (zh) * | 2019-01-25 | 2020-08-04 | 杭州海康威视数字技术股份有限公司 | 基于面部识别的活体检测的方法、电子设备和存储介质 |
CN111667520A (zh) * | 2020-06-09 | 2020-09-15 | 中国人民解放军63811部队 | 红外图像和可见光图像的配准方法、装置及可读存储介质 |
WO2021098081A1 (zh) * | 2019-11-22 | 2021-05-27 | 大连理工大学 | 基于轨迹特征配准的多光谱立体相机自标定算法 |
CN113657198A (zh) * | 2021-07-28 | 2021-11-16 | 浙江大华技术股份有限公司 | 双目活体的人脸识别方法、装置、电子装置和存储介质 |
US11232283B1 (en) * | 2021-05-17 | 2022-01-25 | Vr Media Technology, Inc. | Facial recognition system that compares narrow band ultraviolet-absorbing skin chromophores |
WO2022052475A1 (zh) * | 2020-09-14 | 2022-03-17 | 上海商汤智能科技有限公司 | 拍摄处理方法和装置、设备、存储介质、程序产品 |
CN115439916A (zh) * | 2022-10-18 | 2022-12-06 | 中国农业银行股份有限公司 | 面部识别方法、装置、设备及介质 |
CN115546909A (zh) * | 2022-10-11 | 2022-12-30 | 重庆紫光华山智安科技有限公司 | 活体检测方法、装置、门禁系统、设备及存储介质 |
US20230035648A1 (en) * | 2021-07-30 | 2023-02-02 | Beijing Tusen Zhitu Technology Co., Ltd. | Binocular image matching method, device, and storage medium |
CN116895094A (zh) * | 2023-09-11 | 2023-10-17 | 杭州魔点科技有限公司 | 一种基于双目融合的暗环境成像方法、系统、装置及介质 |
-
2024
- 2024-04-01 CN CN202410398691.9A patent/CN117994865A/zh active Pending
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100141770A1 (en) * | 2008-12-05 | 2010-06-10 | Sony Corporation | Imaging apparatus and imaging method |
US20160350611A1 (en) * | 2015-04-29 | 2016-12-01 | Beijing Kuangshi Technology Co., Ltd. | Method and apparatus for authenticating liveness face, and computer program product thereof |
CN106372601A (zh) * | 2016-08-31 | 2017-02-01 | 上海依图网络科技有限公司 | 一种基于红外可见双目图像的活体检测方法及装置 |
WO2018040307A1 (zh) * | 2016-08-31 | 2018-03-08 | 上海依图网络科技有限公司 | 一种基于红外可见双目图像的活体检测方法及装置 |
WO2019218621A1 (zh) * | 2018-05-18 | 2019-11-21 | 北京市商汤科技开发有限公司 | 活体检测方法及装置、电子设备和存储介质 |
CN110008813A (zh) * | 2019-01-24 | 2019-07-12 | 阿里巴巴集团控股有限公司 | 基于活体检测技术的人脸识别方法和系统 |
CN111488756A (zh) * | 2019-01-25 | 2020-08-04 | 杭州海康威视数字技术股份有限公司 | 基于面部识别的活体检测的方法、电子设备和存储介质 |
CN110569760A (zh) * | 2019-08-27 | 2019-12-13 | 东南大学 | 一种基于近红外和远程光电体积描记术的活体检测方法 |
CN110991266A (zh) * | 2019-11-13 | 2020-04-10 | 北京智芯原动科技有限公司 | 一种双目人脸活体检测方法及装置 |
WO2021098081A1 (zh) * | 2019-11-22 | 2021-05-27 | 大连理工大学 | 基于轨迹特征配准的多光谱立体相机自标定算法 |
CN111667520A (zh) * | 2020-06-09 | 2020-09-15 | 中国人民解放军63811部队 | 红外图像和可见光图像的配准方法、装置及可读存储介质 |
WO2022052475A1 (zh) * | 2020-09-14 | 2022-03-17 | 上海商汤智能科技有限公司 | 拍摄处理方法和装置、设备、存储介质、程序产品 |
US11232283B1 (en) * | 2021-05-17 | 2022-01-25 | Vr Media Technology, Inc. | Facial recognition system that compares narrow band ultraviolet-absorbing skin chromophores |
CN113657198A (zh) * | 2021-07-28 | 2021-11-16 | 浙江大华技术股份有限公司 | 双目活体的人脸识别方法、装置、电子装置和存储介质 |
US20230035648A1 (en) * | 2021-07-30 | 2023-02-02 | Beijing Tusen Zhitu Technology Co., Ltd. | Binocular image matching method, device, and storage medium |
CN115546909A (zh) * | 2022-10-11 | 2022-12-30 | 重庆紫光华山智安科技有限公司 | 活体检测方法、装置、门禁系统、设备及存储介质 |
CN115439916A (zh) * | 2022-10-18 | 2022-12-06 | 中国农业银行股份有限公司 | 面部识别方法、装置、设备及介质 |
CN116895094A (zh) * | 2023-09-11 | 2023-10-17 | 杭州魔点科技有限公司 | 一种基于双目融合的暗环境成像方法、系统、装置及介质 |
Non-Patent Citations (2)
Title |
---|
汪鹏;金立左;: "基于Canny边缘SURF特征的红外与可见光图像配准算法", 工业控制计算机, no. 04, 25 April 2020 (2020-04-25) * |
谢辉;刘浏;李建勋;: "基于局部结构特征的红外与可见光图像匹配", 计算机工程, no. 15, 5 August 2012 (2012-08-05) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102833478B (zh) | 容错背景模型化 | |
US10019624B2 (en) | Face recognition system and face recognition method | |
CN111780673B (zh) | 一种测距方法、装置及设备 | |
JP2016533566A (ja) | 虹彩撮像装置及び虹彩撮像装置を構成するための方法 | |
CN110991287A (zh) | 一种实时视频流人脸检测跟踪方法及检测跟踪系统 | |
JP6055435B2 (ja) | 被写体認識装置、被写体認識方法及び被写体認識プログラム | |
CN110555377B (zh) | 一种基于鱼眼相机俯视拍摄的行人检测与跟踪方法 | |
CN111259813B (zh) | 人脸检测跟踪方法、装置、计算机设备和存储介质 | |
CN115376109B (zh) | 障碍物检测方法、障碍物检测装置以及存储介质 | |
Jung et al. | Object detection and tracking-based camera calibration for normalized human height estimation | |
Zhao et al. | Human segmentation by geometrically fusing visible-light and thermal imageries | |
CN111383246A (zh) | 条幅检测方法、装置及设备 | |
de Carvalho et al. | Anomaly detection with a moving camera using multiscale video analysis | |
TWI496115B (zh) | 移動攝影機之畫面穩定方法 | |
CN109753886B (zh) | 一种人脸图像的评价方法、装置及设备 | |
US11699216B2 (en) | Automatic fisheye camera calibration for video analytics | |
CN106971381B (zh) | 一种具有重叠视域的广角相机视野分界线生成方法 | |
JP2013251005A (ja) | 画像補正方法 | |
CN110852150B (zh) | 一种人脸验证方法、系统、设备及计算机可读存储介质 | |
CN117994865A (zh) | 一种双目面部匹配方法、装置、电子设备及存储介质 | |
CN108737733B (zh) | 信息提示方法和装置、电子设备、计算机可读存储介质 | |
US20230069608A1 (en) | Object Tracking Apparatus and Method | |
KR101731568B1 (ko) | 시간적 일관성을 유지하는 다시점 이미지의 기하 왜곡 보정 방법 및 장치 | |
CN111368608B (zh) | 一种人脸识别方法、装置及系统 | |
TWI448976B (zh) | 超廣角影像處理方法與其系統 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |