[发明专利]一种基于三维人脸模型识别二维人脸图片的方法及装置有效
申请号: | 201910082406.1 | 申请日: | 2019-01-28 |
公开(公告)号: | CN109858433B | 公开(公告)日: | 2020-06-30 |
发明(设计)人: | 傅可人;游志胜 | 申请(专利权)人: | 四川大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00 |
代理公司: | 四川力久律师事务所 51221 | 代理人: | 李正 |
地址: | 610065 四*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 三维 模型 识别 二维 图片 方法 装置 | ||
1.一种基于三维人脸模型识别二维人脸图片的人脸识别方法,其特征在于,所述方法包括:
步骤101,获取一定数量的待识别人脸图像,对所述待识别人脸图像进行预处理得到待识别人脸图像的特征点,并获取所述待识别人脸图像的姿态角;
步骤102,对所述待识别人脸图像分别进行平面内对齐处理和平面外对齐处理,得到对齐后的第一多姿态人脸图像集;所述第一多姿态人脸图像集为待识别人脸图像经过平面内对齐处理和平面外对齐处理得到的二维人脸图像集,其包括多个人脸在多个姿态下的二维人脸图像;
步骤103,通过卷积神经网络提取所述第一多姿态人脸图像集的特征向量,并求得第一多姿态人脸图像集中的每个人脸在多个姿态下的图像的第一平均特征向量;
步骤104,获取三维人脸数据集,对三维人脸数据集中的每一个三维人脸模型通过平面外对齐和平面内对齐至不同的姿态,生成第二多姿态人脸图像集,其包括每一个三维人脸模型在多个姿态下的二维图像;
步骤105,通过卷积神经网络提取所述第二多姿态人脸图像集的特征向量,并求出第二多姿态人脸图像集中的每个三维人脸模型在多个姿态下的二维图像的第二平均特征向量;
步骤106,将根据待识别人脸图像得到的第一平均特征向量和根据三维人脸数据集中每一个三维人脸模型得到的第二平均特征向量进行对比,得到人脸识别结果。
2.根据权利要求1所述的方法,其特征在于,所述姿态角为偏航角。
3.根据权利要求1所述的方法,其特征在于,所述平面内对齐处理包括:
确定所述待识别人脸图像特征点坐标到模版点坐标的相似变换关系,并得到进行相似变换后的二维人脸图像。
4.根据权利要求1所述的方法,其特征在于,所述平面外对齐处理包括:
将所述待识别人脸图像生成三维模型,根据所述姿态角确定投影函数,基于所述投影函数将生成的三维模型根据姿态投影到相应的二维人脸图像。
5.根据权利要求1所述的方法,其特征在于,所述步骤104具体包括:
获取三维人脸数据集,将所述三维人脸数据集中的三维人脸模型旋转至对应的待识别人脸图像的姿态角,将旋转后的三维人脸模型投影到二维图像,并根据相应的特征点对投影所得的二维图像做平面内对齐处理;并对所述三维人脸模型做平面外对齐处理,即根据所述姿态角将三维人脸模型投影到相应的二维人脸图像,以生成对齐后的第二多姿态人脸图像集。
6.根据权利要求1所述的方法,其特征在于,所述卷积神经网络为Inception-v4、Inception-Resnet-v1、Inception-Resnet-v2中的一种。
7.根据权利要求1所述的方法,其特征在于,通过计算向量间的余弦相似度或者欧式距离来进行第一平均特征向量与第二平均特征向量的对比。
8.一种基于三维人脸模型识别二维人脸图片的装置,其特征在于,包括至少一个处理器,以及与所述至少一个处理器通信连接的存储器;所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至7中任一项所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于四川大学,未经四川大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910082406.1/1.html,转载请声明来源钻瓜专利网。