[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

说明书

本发明公开了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，包括：对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、姿态角；对待识别人脸图像分别进行平面内对齐、外对齐处理，以得到第一多姿态人脸图像集；通过卷积神经网络提取第一多姿态人脸图像集的特征向量，并求其平均特征向量；建立三维人脸数据集，对三维人脸数据集中的每个三维人脸模型进行内、外对齐处理，生成每个模型的第二多姿态人脸图像集；通过卷积神经网络提取第二多姿态人脸图像集的特征向量，并求出第二平均特征向量；对比第一平均特征向量和第二平均特征向量，得到人脸识别结果。该方法利用三维人脸蕴含的丰富姿态信息进行二维人脸图像识别，进一步提高人脸识别准确度。

技术领域

本发明涉及计算机视觉与模式识别技术领域，尤其涉及一种基于三维人脸模型识别二维人脸图片的方法及装置。

背景技术

人脸识别技术作为被广泛普及的生物特征识别技术之一，已为人们的日常生活带来巨大便捷。传统的人脸识别技术为基于二维(2D)图片的人脸识别，即注册端与识别端都采集人脸2D图像，之后提取人脸特征进行比对，完成人脸的识别或数据。目前的2D人脸识别在限定条件下(光照良好、姿态正对)取得了较好的识别结果，而在非限定条件下识别效果就会急剧下降，例如人脸呈现大姿态变化。目前2D人脸识别技术已经逐渐趋于成熟并达到一定瓶颈，对人脸识别技术的发展需要引入更多的特征信息来克服2D人脸识别的不足。基于三维(3D)人脸模型的人脸识别技术是未来发展的趋势之一，3D人模型比2D人脸图片拥有诸如三维形状等更加丰富的信息，可提高识别性能。然而对于注册端和识别端都采用3D传感器捕获3D人脸，将目前社会上所有的2D摄像头都改造成3D传感器则是不能短时间内实现。一种实用方案是注册端采集3D人脸，而识别端采集2D人脸进行识别，涉及利用三维人脸模型识别二维人脸图片的相关技术，这也是本发明专利提出的背景。

目前涉及利用三维人脸模型识别二维人脸图像的技术较为匮乏，多数还停留在利用三维人脸模型识别三维人脸的阶段，而非利用三维人脸模型去识别二维人脸图像。申请公布号为CN108427871A的中国发明专利申请公开了一种3D人脸快速身份认证方法和装置，其将三维人脸模型旋转到待识别二维图像相同的姿态并投影到二维图像，再将投影后的二维图像与待识别的二维图像进行比对识别。

然而，存在只将三维模型投影到二维图像对应的单一姿态，而没有利用三维人脸蕴含的丰富姿态信息进行二维人脸图像识别的技术问题。

发明内容

本发明的目的之一至少在于，针对如何克服上述现有技术存在的问题，提供一种基于三维人脸模型识别二维人脸图片的方法及装置，能够利用三维人脸提供的丰富姿态信息进行二维人脸图像识别，改善只使用单一姿态识别在复杂环境可能出现的无法识别或识别错误的问题，提高系统的鲁棒性与容错能力，而且由于采用的方法与照片的明暗程度无关，可以解决人脸识别过程中受拍摄环境光照强度的影响，因此可以达到较理想的人脸识别效果，有效提高了人脸识别准确率，使得人脸识别更具有实用性。

为了实现上述目的，本发明采用的技术方案包括以下各方面。

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，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；