[发明专利]利用结构光图像进行识别

说明书

技术领域

本发明属于计算机技术领域，更具体地说，是涉及一种利用结构光图像进行识别的装置和方法。

背景技术

人体有诸多唯一的特征，比如人脸、指纹、虹膜、人耳等，这些特征被统称为生物特征。生物特征识别被广泛用于安防、家居、智能硬件等众多领域，目前较为成熟的生物特征识别比如指纹识别、虹膜识别等已被普遍应用于手机、电脑等终端。而对于人脸等特征，尽管相关的研究已经非常深入，而对于人脸等特征的识别则仍未普及，这主要是因为已有的识别方法存在局限导致识别率及识别的稳定性较低。这些局限主要包括受环境光光强以及光照方向影响、人脸表情影响识别率、以及容易被人造特征欺骗等。

已有的人脸等特征的识别，主要基于人脸二维彩色图像，当环境光强较弱时，会严重影响识别效果。另外，当光照的方向不同时，人脸图像上会存在阴影，同样也会影响识别效果。当被参照的人脸图像是在没有表情的情形下采集的，而当前是在微笑表情下采集的人脸图像，人脸识别的效果也会下降。另外，若被识别对象不是真实人脸，而是二维的人脸图片时，往往也能通过识别。

对于以上的问题，目前普遍采用基于近红外或热红外图像的生物特征识别，近红外图像不会受到环境光的干扰可以提高识别稳定性，然而却难以解决人造特征欺骗的问题；热红外图像仅对真实人脸成像，因此可以解决人造特征欺骗的问题，然而热红外图像分辨率低，严重影响识别效果。

基于以上说明，目前仍缺乏一种较为全面的生物特征解决方案。

发明内容

本发明为了解决现有技术中缺乏一种全面的人脸识别方案的问题，提供一种利用结构光图像进行识别的装置及方法。

为了解决上述问题，本发明采用的技术方案如下所述：

本发明提供一种利用结构光图像进行识别的装置，其特征在于，包括：投影模组，用于发射结构光图像至包含人脸的区域；成像模组，用于采集包含人脸的所述结构光图像；处理电路，利用所述结构光图像进行人脸检测及识别。

在一些实施方案中，所述结构光图像包括红外散斑图像。

在一些实施方案中，所述红外散斑图像的散斑颗粒密度被设置为不遮挡所述人脸的主要纹理特征。

在一些实施方案中，所述人脸检测与识别是利用基于机器学习的检测与识别算法，所述算法中用于模型学习的样本库由彩色图像和/或灰度图像组成。

在一些实施方案中，所述装置还包括：可见光成像模组，用于采集包含人脸的可见光图像；所述处理电路利用所述结构光图像以及所述可见光图像进行人脸检测及识别。

在一些实施方案中，所述利用所述结构光图像进行人脸检测及识别包括以下步骤：利用所述结构光图像计算出深度图像；利用所述结构光图像以及所述深度图像进行人脸检测及识别。

在一些实施方案中，所述装置还包括：热红外成像模组，用于采集包含人脸的热红外图像；所述处理电路利用所述结构光图像以及所述热红外图像进行人脸检测及识别。

本发明还提供一种利用结构光图像进行识别的方法，其特征在于，包括以下步骤：利用投影模组发射结构光图像至包含人脸的区域；利用成像模组采集包含人脸的所述结构光图像；通过处理电路将所述结构光图像进行人脸检测及识别。

在一些实施方案中，所述结构光图像包括红外散斑图像。

在一些实施方案中，所述红外散斑图像的散斑颗粒密度被设置为不遮挡所述人脸的主要纹理特征。

本发明的有益效果为：提供一种利用结构光图像进行识别的装置及方法，通过利用红外散斑图像对人脸直接进行检测与识别，由于红外散斑图像即保留了人脸二维纹理信息特征又与三维深度特征直接相关，另外红外光不受外界环境干扰，因此本发明的方法可以全天候地实现对人脸进行识别，无需进行活体检测就能实现精确识别。

附图说明

图1所示的根据本发明一种实施例的人脸识别场景示意图。

图2是根据本发明一个实施例的人脸识别装置的结构示意图。

图3是根据本发明一个实施例的利用结构光图像进行人脸识别步骤图。

图4是根据本发明一个实施例的利用结构光图像与可见光图像进行人脸识别步骤图。

图5是根据本发明一个实施例的利用结构光图像与深度图像进行人脸识别步骤图。

图6是根据本发明一个实施例的利用结构光图像与热红外图像进行人脸识别步骤图。

图7是根据本发明实施例的基于人脸识别的任务执行方法步骤图。

具体实施方式