[发明专利]三维建模人脸识别方法、存储介质、嵌入式设备及系统

说明书

本发明提供了三维建模人脸识别方法、存储介质、嵌入式设备及系统，嵌入式设备先获取无约束场景的二维图片并进行预处理得到数据源，接着将数据源发送给神经网络加速器中已训练的神经网络模型的卷积层进行计算，如此明显缩短了计算时间，进而明显缩短了整个过程的时间；接着嵌入式设备接收神经网络加速器返回的数据文件并将其输入至已训练的神经网络模型的全连接层，如此数据源经过了整个已训练的神经网络模型的计算，得到了精确的形状参数和纹理参数，进而构建出精确的目标三维人脸模型，最后根据目标三维人脸模型与预存的人脸图片进行人脸识别，提高了准确率。与现有技术相比，本发明提高了嵌入式设备进行人脸识别的准确率和效率。

技术领域

本发明涉及人脸识别技术领域，具体涉及三维建模人脸识别方法、存储介质、嵌入式设备及系统。

背景技术

现有的嵌入式设备在无约束场景下，使用单张二维图片进行人脸识别时，由于拍摄所得的图片存在人脸图像正面角度小、拍摄光强弱或存在遮挡物等缺点，因此嵌入式设备无法获取足够的人脸特征信息，导致人脸识别的准确率偏低，一般只有72％左右。由于深度学习神经网络在图像处理领域已取得了卓越的成就，可以提高人脸识别率，因此目前嵌入式设备会采用深度学习神经网络来提高人脸识别率，但是嵌入式设备的计算能力较弱，应用深度学习神经网络会大幅度增加整个人脸识别过程所用时间，一般需要11秒左右，识别效率较低。

因此，现有技术还有待改进和发展。

发明内容

鉴于上述现有技术的不足，本发明的目的在于提供三维建模人脸识别方法、存储介质、嵌入式设备及系统，旨在解决现有嵌入式设备进行人脸识别存在识别效率低和识别准确率低的问题。

为实现上述目的，第一方面，本发明提供了三维建模人脸识别方法，应用于一种包括嵌入式设备和神经网络加速器的三维建模人脸识别系统，所述三维建模人脸识别方法包括：

获取摄像头拍摄的二维图片后对所述二维图片进行预处理，得到预定数据格式的数据源；

将所述数据源发送至所述神经网络加速器中已训练的神经网络模型的卷积层后，接收所述神经网络加速器返回的数据文件并将所述数据文件输入至所述神经网络模型的全连接层，得到形状参数和纹理参数，其中，所述神经网络模型是基于二维图片与目标形状参数及目标纹理参数的对应关系训练而成的；

根据所述形状参数和纹理参数构建目标三维人脸模型；

将所述目标三维人脸模型与预存的人脸图片进行比对，进行人脸识别。

进一步地，所述获取摄像头拍摄的二维图片后对所述二维图片进行预处理，得到预定数据格式的数据源的步骤，具体包括：

获取摄像头拍摄的二维图片，对所述二维图片进行像素转换；

对已进行像素转换的二维图片进行人脸检测并裁剪，得到仅包括人脸的二维图片；

读取所述仅包括人脸的二维图片中的所有像素值后，保存为预定数据格式的数据源。

再进一步地，所述预定数据格式与所述神经网络模型的数据输入格式相对应。

进一步地，所述获取摄像头拍摄的二维图片后对所述二维图片进行预处理，得到预定数据格式的数据源的步骤，之前还包括：

预先将所述神经网络模型的卷积层设置于所述神经网络加速器中，并将所述神经网络模型的全连接层设置于所述嵌入式设备中。

进一步地，所述将所述数据源发送至所述神经网络加速器中已训练的神经网络模型的卷积层后，接收所述神经网络加速器返回的数据文件并将所述数据文件输入至所述神经网络模型的全连接层，得到形状参数和纹理参数的步骤，具体包括：

将所述预定格式的二维图片发送到所述神经网络加速器，以使所述预定格式的图片输入至所述神经网络模型的卷积层，得到预定格式的数据文件；