[发明专利]正面人脸重建方法、装置及系统

说明书

本发明提供了一种正面人脸重建方法、装置及系统，涉及图像处理技术领域，包括获取目标人脸的不同偏转角度的人脸图像；检测各个人脸图像的特征点，并确定不同人脸图像之间的特征点匹配组；其中，特征点匹配组包括至少两个匹配度达到预设匹配度阈值的特征点；获取特征点匹配组中特征点的二维坐标，并基于特征点的二维坐标确定特征点的原始三维坐标和目标人脸相对于相机的旋转角度；其中，相机为拍摄人脸图像的相机；根据特征点的原始三维坐标和目标人脸相对于相机的旋转角度，确定目标人脸的正面化后的特征点的目标三维坐标；基于特征点的目标三维坐标构建正面人脸模型。本发明能够有效提高转正后人脸的面部信息的准确性和真实性。

技术领域

本发明涉及图像处理技术领域，尤其是涉及一种正面人脸重建方法、装置及系统。

背景技术

人脸识别是利用分析比较人脸的面部特征信息进行身份识别的计算机技术。人脸的姿态角度是人脸识别准确性的关键因素，通常可以先将非正面角度的人脸进行旋转，然后再对旋转后的正面人脸进行识别。现有的人脸旋转技术主要是利用单张图像进行旋转，该方式能够生产人脸大的结构，也即能够得到完整的模糊的正脸图像。然而，旋转后的人脸存在真实性不高、面部信息偏差较大等问题，影响人脸识别算法的精度。

发明内容

本发明的目的在于提供正面人脸重建方法、装置及系统，以提高转正后人脸的面部信息的准确性和真实性。

本发明提供的一种正面人脸重建方法，包括：获取目标人脸的不同偏转角度的人脸图像；检测各个所述人脸图像的特征点，并确定不同所述人脸图像之间的特征点匹配组；其中，所述特征点匹配组包括至少两个匹配度达到预设匹配度阈值的特征点；获取所述特征点匹配组中特征点的二维坐标，并基于所述特征点的二维坐标确定所述特征点的原始三维坐标和所述目标人脸相对于相机的旋转角度；其中，所述相机为拍摄所述人脸图像的相机；根据所述特征点的原始三维坐标和所述目标人脸相对于相机的旋转角度，确定所述目标人脸的正面化后的特征点的目标三维坐标；基于所述特征点的目标三维坐标构建正面人脸模型。

进一步的，所述确定不同所述人脸图像之间的特征点匹配组的步骤，包括：根据预设的匹配度算法计算至少两张不同所述人脸图像中特征点之间的匹配度；其中，所述匹配度算法包括：欧式距离算法、皮尔逊相关系数算法和余弦相似度算法；将计算的匹配度高于预设匹配度阈值的特征点确定为候选特征点组；根据RANSAC算法对所述候选特征点组进行优化，得到最终的特征点组。

进一步的，所述方法还包括：采用对极几何约束算法对基于所述RANSAC算法优化后的特征点组进行误匹配特征点的过滤。

进一步的，所述基于所述特征点的二维坐标确定所述特征点的原始三维坐标的步骤，包括：基于对极几何约束算法和所述特征点的二维坐标确定所述目标人脸相对于相机的位姿参数；其中，所述目标人脸相对于相机的位姿参数包括旋转角度和平移变量；根据三角化算法和所述目标人脸相对于相机的位姿参数确定所述特征点的深度信息；将所述二维坐标和所述深度信息确定为所述特征点的原始三维坐标。

进一步的，所述获取目标人脸的不同偏转角度的人脸图像的步骤，包括：通过固定的相机获取目标人脸在不同偏转角度下的人脸图像；或者，通过安装于不同角度的相机分别获取目标人脸的人脸图像。

进一步的，所述检测各个所述人脸图像的特征点的步骤，包括：根据预设的特征点检测算法对所述人脸图像进行检测，得到所述人脸图像的特征点；其中，所述特征点检测算法包括：SURF算法和FAST算法。

进一步的，所述基于所述特征点的目标三维坐标构建正面人脸模型的步骤，包括：基于所述特征点的目标三维坐标生成三维空间的点云矩阵；对所述点云矩阵进行拼接和降噪处理，并对处理后的点云矩阵进行渲染，得到目标人脸的正面人脸模型。