一種人臉識(shí)別的方法及裝置制造方法
【專(zhuān)利摘要】本發(fā)明適用于計(jì)算機(jī)【技術(shù)領(lǐng)域】，提供了一種人臉識(shí)別的方法及裝置，包括：采集待識(shí)別人臉的三維模型；將所述待識(shí)別人臉的三維模型在樣本數(shù)據(jù)庫(kù)中進(jìn)行匹配，分別獲取所述待識(shí)別人臉的三維模型與所述樣本數(shù)據(jù)庫(kù)中每一個(gè)三維模型的配準(zhǔn)誤差；將所述樣本數(shù)據(jù)庫(kù)中與所述待識(shí)別人臉的三維模型的所述配準(zhǔn)誤差最小的三維模型的身份確定為所述待識(shí)別人臉的三維模型的身份。在本發(fā)明中，通過(guò)對(duì)人臉進(jìn)行三維建模，基于三維人臉模型來(lái)進(jìn)行人臉識(shí)別，使得人臉識(shí)別的結(jié)果不會(huì)因?yàn)槿四樧藨B(tài)的改變而發(fā)生變化，從而有效提高了人臉識(shí)別的成功率。
【專(zhuān)利說(shuō)明】一種人臉識(shí)別的方法及裝置
【技術(shù)領(lǐng)域】
[0001 ] 本發(fā)明屬于計(jì)算機(jī)【技術(shù)領(lǐng)域】，尤其涉及一種人臉識(shí)別的方法及裝置。
【背景技術(shù)】
[0002]人臉識(shí)別，是基于人的臉部特征信息，通過(guò)計(jì)算機(jī)進(jìn)行身份識(shí)別的一種技術(shù)，當(dāng)給定一張人臉時(shí)，通過(guò)人臉識(shí)別算法在預(yù)存儲(chǔ)了不同身份的眾多人臉的數(shù)據(jù)庫(kù)中進(jìn)行查找，匹配出與給定的人臉最為相似的人臉，那么，該給定人臉的身份即為匹配出的人臉?biāo)鶎?duì)應(yīng)的身份。目前，人臉識(shí)別技術(shù)被廣泛應(yīng)用在安防、信息安全領(lǐng)域。
[0003]目前的人臉識(shí)別技術(shù)均是以二維圖像為識(shí)別基礎(chǔ)，從二維的人臉圖像中進(jìn)行人臉特征提取，然而，由于二維圖像對(duì)人臉的姿態(tài)要求限制較多，需要保證進(jìn)行識(shí)別的人臉圖像與數(shù)據(jù)庫(kù)中預(yù)存儲(chǔ)的人臉圖像的姿態(tài)一致，否則，容易導(dǎo)致識(shí)別結(jié)果出錯(cuò)。

【發(fā)明內(nèi)容】

[0004]本發(fā)明實(shí)施例的目的在于提供一種人臉識(shí)別的方法，旨在解決目前人臉識(shí)別技術(shù)容易導(dǎo)致識(shí)別結(jié)果出錯(cuò)的問(wèn)題。
[0005]本發(fā)明實(shí)施例是這樣實(shí)現(xiàn)的，一種人臉識(shí)別的方法，包括:
[0006]采集待識(shí)別人臉的三維模型；
[0007]將所述待識(shí)別人臉的三維模型在樣本數(shù)據(jù)庫(kù)中進(jìn)行匹配，分別獲取所述待識(shí)別人臉的三維模型與所述樣本數(shù)據(jù)庫(kù)中每一個(gè)三維模型的配準(zhǔn)誤差；
[0008]將所述樣本數(shù)據(jù)庫(kù)中與所述待識(shí)別人臉的三維模型的所述配準(zhǔn)誤差最小的三維模型的身份確定為所述待識(shí)別人臉的三維模型的身份。
[0009]本發(fā)明實(shí)施例的另一目的在于提供一種人臉識(shí)別的裝置，包括:
[0010]采集單元，用于采集待識(shí)別人臉的三維模型；
[0011]匹配單元，用于將所述待識(shí)別人臉的三維模型在樣本數(shù)據(jù)庫(kù)中進(jìn)行匹配，分別獲取所述待識(shí)別人臉的三維模型與所述樣本數(shù)據(jù)庫(kù)中每一個(gè)三維模型的配準(zhǔn)誤差；
[0012]確定單元，用于將所述樣本數(shù)據(jù)庫(kù)中與所述待識(shí)別人臉的三維模型的所述配準(zhǔn)誤差最小的三維模型的身份確定為所述待識(shí)別人臉的三維模型的身份。在本發(fā)明實(shí)施例中，通過(guò)對(duì)人臉進(jìn)行三維建模，基于三維人臉模型來(lái)進(jìn)行人臉識(shí)別，使得人臉識(shí)別的結(jié)果不會(huì)因?yàn)槿四樧藨B(tài)的改變而發(fā)生變化，從而有效提高了人臉識(shí)別的成功率。
【專(zhuān)利附圖】

【附圖說(shuō)明】
[0013]圖1是本發(fā)明實(shí)施例提供的人臉識(shí)別的方法的實(shí)現(xiàn)流程圖；
[0014]圖2是本發(fā)明另一實(shí)施例提供的人臉識(shí)別的方法的實(shí)現(xiàn)流程圖；
[0015]圖3是本發(fā)明實(shí)施例提供的人臉識(shí)別的方法S102的具體實(shí)現(xiàn)流程圖；
[0016]圖4是本發(fā)明實(shí)施例提供的人臉識(shí)別的方法S203的具體實(shí)現(xiàn)流程圖；
[0017]圖5是本發(fā)明實(shí)施例提供的人臉識(shí)別的裝置的結(jié)構(gòu)框圖。【具體實(shí)施方式】
[0018]為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
[0019]在本發(fā)明實(shí)施例中，通過(guò)對(duì)人臉進(jìn)行三維建模，基于三維人臉模型來(lái)進(jìn)行人臉識(shí)另O，使得人臉識(shí)別的結(jié)果不會(huì)因?yàn)槿四樧藨B(tài)的改變而發(fā)生變化，從而有效提高了人臉識(shí)別的成功率。
[0020]圖1示出了本發(fā)明實(shí)施例提供的人臉識(shí)別的方法的實(shí)現(xiàn)流程，詳述如下:
[0021]在SlOl中，采集待識(shí)別人臉的三維模型。
[0022]在本實(shí)施例中，對(duì)于需要進(jìn)行識(shí)別的人臉，通過(guò)三維數(shù)據(jù)采集設(shè)備，例如激光三維掃描儀等裝置，采集該人臉的三維數(shù)據(jù)，輸入計(jì)算機(jī)，通過(guò)配套的三維建模軟件，建立該人臉的三維模型。
[0023]在S102中，將所述待識(shí)別人臉的三維模型在樣本數(shù)據(jù)庫(kù)中進(jìn)行匹配，分別獲取所述待識(shí)別人臉的三維模型與所述樣本數(shù)據(jù)庫(kù)中每一個(gè)三維模型的配準(zhǔn)誤差。
[0024]在本實(shí)施例中，如圖2所示，在SlOl之前，所述方法還包括:
[0025]S104，預(yù)先采集已經(jīng)確定身份的人臉的三維模型，建立所述樣本數(shù)據(jù)庫(kù)。
[0026]在本實(shí)施例中，對(duì)于已經(jīng) 明確了身份的人臉，可以通過(guò)與SlOl中提及的相同的三維數(shù)據(jù)采集及建模方法，一一建立這些人臉的三維模型，并將建立好的三維模型與相應(yīng)的身份進(jìn)行關(guān)聯(lián)存儲(chǔ)，從而建立起樣本數(shù)據(jù)庫(kù)，建立起的樣本數(shù)據(jù)庫(kù)用于在后續(xù)人臉識(shí)別過(guò)程中與待識(shí)別人臉的三維模型進(jìn)行匹配，從而確定待識(shí)別人臉的身份。
[0027]在本實(shí)施例中,采用ICP (Interactive Closest Point)算法對(duì)待識(shí)別人臉的三維模型與樣本數(shù)據(jù)庫(kù)中的三維模型進(jìn)行一一匹配，如圖3所示，S102具體為:
[0028]在S301中，初始化旋轉(zhuǎn)矩陣Riep為單位矩陣，平移向量Tiep為零向量，迭代次數(shù)icp—k=0o
[0029]在S302中，基于P上的特征點(diǎn)Pi,查找Q上距離該特征點(diǎn)Pi最近的基準(zhǔn)點(diǎn)Qi,i=l, 2，...，n，其中，所述P為所述待識(shí)別人臉的三維模型，所述Q為所述樣本數(shù)據(jù)庫(kù)中當(dāng)前與所述待識(shí)別人臉的三維模型進(jìn)行人臉特征匹配的三維模型，所述η為所述特征點(diǎn)的數(shù)量。
[0030]在本實(shí)施例中，特征點(diǎn)的選取位置需要用于表明人臉中一些十分重要的特征，例如眼角、鼻尖、嘴角，等等，以便于接下來(lái)的配準(zhǔn)過(guò)程的執(zhí)行，總的說(shuō)來(lái)，特征點(diǎn)的定位絕大部分是基于人臉的特性的，例如對(duì)稱(chēng)性，從獲取人臉的對(duì)稱(chēng)平面開(kāi)始，進(jìn)而定位其他的特征點(diǎn)；又例如幾何性(鼻尖處特別凸，眼窩處特別凹，等等)，利用特征點(diǎn)的深度、曲率等幾何特征定位特征點(diǎn)。具體的特征點(diǎn)選取定位方法在此不用于限定本發(fā)明。
[0031]在S303中，根據(jù)min / = -? R +T , -Qi求出當(dāng)前迭代中的最小化
n i=i ———
配準(zhǔn)誤差，其中，所述minf為所述當(dāng)前迭代中的最小化配準(zhǔn)誤差，所述Ric5 k為當(dāng)前迭代中的所述Ric;p，所述Tic;p k為當(dāng)前迭代中的所述Τ_。
[0032]在S304中，根據(jù)Pi=Ricp kPi+!^ k對(duì)所述特征點(diǎn)Pi進(jìn)行坐標(biāo)變換，再根據(jù)Ricp = RicpkRiCp以及Ticp = Ricp—kTicp+Ticp k對(duì)當(dāng)前迭代中的Ric;p和Ticp進(jìn)行更新。
[0033]在S205中，判斷I Ricpji | ( ε icp_E且| Ticp l | ( ε icp_T是否成立，是則步驟終止，否則令icp_k=cip_k+l，返回執(zhí)行S302直至步驟終止，其中，所述ε icp E為預(yù)設(shè)的第一允許誤差，所述ε icp T為預(yù)設(shè)的第二允許誤差。
[0034]其中，Ricp_E| ( eic;p K是用于判斷此次迭代之后Riep k是否接近單位矩陣，| Tic;pxl ( τ是用于判斷此次迭代之后！^。,是否接近零向量，若此次迭代之后Ric;p k接近單位矩陣且Tic5 k接近零向量，則ICP收斂到局部最優(yōu)。
[0035]圖4示出了對(duì)S303中對(duì)當(dāng)前迭代中的最小化配準(zhǔn)誤差的求解過(guò)程:
[0036]在S401中，根據(jù)
【權(quán)利要求】
1.一種人臉識(shí)別的方法，其特征在于，包括: 采集待識(shí)別人臉的三維模型； 將所述待識(shí)別人臉的三維模型在樣本數(shù)據(jù)庫(kù)中進(jìn)行匹配，分別獲取所述待識(shí)別人臉的三維模型與所述樣本數(shù)據(jù)庫(kù)中每一個(gè)三維模型的配準(zhǔn)誤差； 將所述樣本數(shù)據(jù)庫(kù)中與所述待識(shí)別人臉的三維模型的所述配準(zhǔn)誤差最小的三維模型的身份確定為所述待識(shí)別人臉的三維模型的身份。
2.如權(quán)利要求1所述的方法，其特征在于，在所述采集待識(shí)別人臉的三維模型之前，所述方法還包括: 預(yù)先采集已經(jīng)確定身份的人臉的三維模型，建立所述樣本數(shù)據(jù)庫(kù)。
3.如權(quán)利要求1所述的方法，其特征在于，所述將所述待識(shí)別人臉的三維模型在樣本數(shù)據(jù)庫(kù)中進(jìn)行匹配，分別獲取所述待識(shí)別人臉的三維模型與所述樣本數(shù)據(jù)庫(kù)中每一個(gè)三維模型的配準(zhǔn)誤差包括: 初始化旋轉(zhuǎn)矩陣Riep為單位矩陣，平移向量Tiep為零向量，迭代次數(shù)icp_k=0 ； 基于P上的特征點(diǎn)Pi,查找Q上距離該特征點(diǎn)Pi最近的基準(zhǔn)點(diǎn)Qi, 1=1, 2,..., η,其中，所述P為所述待識(shí)別人臉的三維模型，所述Q為所述樣本數(shù)據(jù)庫(kù)中當(dāng)前與所述待識(shí)別人臉的三維模型進(jìn)行人臉特征匹配的三維模型，所述η為所述特征點(diǎn)的數(shù)量； 根據(jù)
4.如權(quán)利要求3所述的方法，其特征在于，所述根據(jù)
5.一種人臉識(shí)別的裝置，其特征在于，包括: 采集單元，用于采集待識(shí)別人臉的三維模型； 匹配單元，用于將所述待識(shí)別人臉的三維模型在樣本數(shù)據(jù)庫(kù)中進(jìn)行匹配，分別獲取所述待識(shí)別人臉的三維模型與所述樣本數(shù)據(jù)庫(kù)中每一個(gè)三維模型的配準(zhǔn)誤差； 確定單元，用于將所述樣本數(shù)據(jù)庫(kù)中與所述待識(shí)別人臉的三維模型的所述配準(zhǔn)誤差最小的三維模型的身份確定為所述待識(shí)別人臉的三維模型的身份。
6.如權(quán)利要求1所述的裝置，其特征在于，所述裝置還包括: 建立單元，用于預(yù)先采集已經(jīng)確定身份的人臉的三維模型，建立所述樣本數(shù)據(jù)庫(kù)。
7.如權(quán)利要求1所述的裝置，其特征在于，所述匹配單元包括: 初始化子單元，用于初始化旋轉(zhuǎn)矩陣Ric;p為單位矩陣，平移向量為零向量，迭代次數(shù) icp_k=0 ； 查找子單元，用于基于P上的特征點(diǎn)Pi，查找Q上距離該特征點(diǎn)Pi最近的基準(zhǔn)點(diǎn)Qi,i=l, 2，...，n，其中，所述P為所述待識(shí)別人臉的三維模型，所述Q為所述樣本數(shù)據(jù)庫(kù)中當(dāng)前與所述待識(shí)別人臉的三維模型進(jìn)行人臉特征匹配的三維模型，所述η為所述特征點(diǎn)的數(shù)量; 計(jì)算子單元，用于根據(jù)
8.如權(quán)利要求3所述的裝置，其特征在于，所述計(jì)算子單元具體用于: 根據(jù)
9.一種人臉識(shí)別的系統(tǒng)，其特征在于，包括人臉識(shí)別的裝置，所述裝置包括: 采集單元，用于采集待識(shí)別人臉的三維模型； 匹配單元，用于將所述待識(shí)別人臉的三維模型在樣本數(shù)據(jù)庫(kù)中進(jìn)行匹配，分別獲取所述待識(shí)別人臉的三維模型與所述樣本數(shù)據(jù)庫(kù)中每一個(gè)三維模型的配準(zhǔn)誤差； 確定單元，用于將所述樣本數(shù)據(jù)庫(kù)中與所述待識(shí)別人臉的三維模型的所述配準(zhǔn)誤差最小的三維模型的身份確定為所述待識(shí)別人臉的三維模型的身份。
10.如權(quán)利要求1所述的系統(tǒng)，其特征在于，所述裝置還包括: 建立單元，用于預(yù)先采集已經(jīng)確定身份的人臉的三維模型，建立所述樣本數(shù)據(jù)庫(kù)。
【文檔編號(hào)】G06K9/00GK103745208SQ201410040469
【公開(kāi)日】2014年4月23日 申請(qǐng)日期:2014年1月27日 優(yōu)先權(quán)日:2014年1月27日
【發(fā)明者】馮良炳 申請(qǐng)人:中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院