[发明专利]一种获取3D人脸数据方法、人脸识别方法及装置

说明书

本申请实施例公开了一种获取3D人脸数据方法、人脸识别方法及装置，具体地，首先获取2D人脸数据，然后，利用3D人脸形变模型构造出该2D人脸数据对应的3D人脸数据。即，当需要获取大量的3D人脸数据时，可以利用3D人脸形变模型将不同的2D人脸数据进行转换，从而生成大量的3D人脸数据。即，通过本申请实施例提供的方法，通过利用3D人脸形变模型构造大级别的3D人脸数据，解决了3D人脸识别中3D数据匮乏的问题，在一定程度上提升人脸识别的精度。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种获取3D人脸数据方法、人脸识别方法及装置。

背景技术

随着科技的进步，2D人脸识别的技术日渐成熟，在生活中应用广泛，但是在一些光照，姿态或者表情的影响下，2D人脸识别能力会下降，甚至出现误判，导致人们的物质或财产的损失。

为弥补2D人脸识别的不足，基于深度学习3D人脸识别应运而生，2D的人脸识别只有平面上的信息，而3D人脸不但包含平面上的信息，而且包含深度方向的信息，能够反映面部更多的特征信息，如面部凹凸程度，曲率等特征，能在一定程度上克服2D人脸识别的缺陷。然而，由于在训练过程中，受应用环境的限制，使得所获取的3D数据匮乏，导致无法提升识别模型的泛化能力，影响识别的准确性。

发明内容

有鉴于此，本申请实施例提供一种获取3D人脸数据方法、人脸识别方法及装置，通过构造丰富多样的3D人脸数据，生成人脸识别模型，进而提高人脸识别的精度。

为解决上述问题，本申请实施例提供的技术方案如下：

在本申请实施例第一方面，提供了一种获取3D人脸数据的方法，包括：

获取2D人脸数据；

根据3D人脸形变模型将所述2D人脸数据进行转换，生成3D人脸数据。

在一种可能的实现方式中，所述获取2D人脸数据，包括：

对于一张2D人脸图像，获取人脸各个关键点，构成2D人脸数据。

在一种可能的实现方式中，所述根据3D人脸形变模型将所述2D人脸数据进行转换，生成3D人脸数据，包括：

获取3D人脸形变模型对应的3D关键点集合以及第一特征集合；

根据所述2D人脸数据中的各个关键点、所述3D关键点集合以及所述第一特征集合获取所述第一特征集合对应的权重集合；

利用所述权重集合、所述3D人脸形变模型对应的第二特征集合以及标准向量集合获得所述2D人脸数据对应的3D人脸数据，所述权重集合中的权重个数与所述第二特征集合中的特征个数一致；所述第二特征集合中的特征维度大于所述第一特征集合中的特征维度，所述第一特征集合是由所述第二特征集合经降维转换后获得的。

在一种可能的实现方式中，所述第一特征集合包括第一ID特征集合和第一表情特征集合，所述权重集合包括ID权重集合和表情权重集合；所述第二特征集合包括第二ID特征集合和第二表情特征集合。

在一种可能的实现方式中，所述方法还包括：

利用变换矩阵将所述3D人脸数据映射至平面，获得目标人脸数据。

在一种可能的实现方式中，所述方法还包括：；

根据所述目标人脸数据以及所述目标人脸数据对应的标签对初始深度学习模型的模型参数进行训练，生成人脸识别模型。

在一种可能的实现方式中，所述利用变换矩阵将所述3D人脸数据映射至平面，获得目标人脸数据，包括：

将所述3D人脸数据进行归一化处理，获得处理后的3D人脸数据；

利用变换矩阵将所述处理后的3D人脸数据映射至平面，获得目标人脸数据。