[发明专利]一种基于数据增强的三维人脸识别方法

权利要求书

1.一种基于数据增强的三维人脸识别方法，其特征在于，所述方法包括如下步骤：

步骤S1，数据增强，基于容易获得的2D人脸图片重建三维人脸，从而增加原有三维数据集中的身份数量，实现三维人脸数据增强扩展；

步骤S2，数据预处理，利用人脸预处理方法，得到人脸区域内的点云数据，构建三通道数据，进行归一化处理，映射到RGB三通道数据，以三通道方式作为卷积神经网络的数据输入；

步骤S3，基于VGG-16神经网络模型，进行内部参数与网络结构的设计和优化，调整卷积核尺寸，针对三维人脸识别构建专用深度学习识别网络模型；

步骤S4，训练模型，包括划分训练集和测试集，将数据作为输入对卷积神经网络进行训练，并在测试集上验证识别算法性能；

步骤S5，基于训练好的卷积神经网络，去掉最后一层全联接层，作为特征提取器，提取人脸特征，并保存；

步骤S6，注册新的人脸，获取特征向量，与数据集中存储的特征进行比对，识别身份；

其中，所述步骤S2具体为：对得到的三维人脸点云数据进行预处理，首先对点云数据做切面，针对切面上的每个点画圆，与前面相交于另外两点，构成三角形并计算三角形的高，针对每个切面保留5个最高的三角形对应的点，综合比较选择最高的点作为鼻尖的置信点，然后以固定半径确定脸部区域范围，将范围内的点云筛选出来，并对其做插值和滤波处理，得到单纯人脸部分的点云数据；将人脸三维点云数据的(x，y，z)进行转换，计算得到深度值、仰角和方位角(D，A，E)，其中，深度为像素点到视点的距离，仰角为与鼻尖点连线对应XY平面的夹角，方位角以y轴正方向顺时针开始计算； 转换过后对三个通道的数据做归一化处理，对应到RGB空间，最终得到的数据，作为卷积神经网络的输入数据。

2.根据权利要求1所述的基于数据增强的三维人脸识别方法，其特征在于，在步骤S1中，所述基于容易获得的2D人脸图片重建三维人脸是指，针对每一张2D人脸图片，利用三维人脸重建技术，重建出对应身份的一个三维人脸点云数据。

3.根据权利要求1所述的基于数据增强的三维人脸识别方法，其特征在于，在步骤S3中，所述基于VGG-16神经网络模型，进行内部参数与网络结构的设计和优化，调整卷积核尺寸是指，基于VGG-16网络结构，随机初始化网络参数，将卷积核大小由3x3优化为7x7，以便充分利用三维点云数据，更好地学习到三维人脸点云的局部结构特征。

4.根据权利要求1所述的基于数据增强的三维人脸识别方法，其特征在于，步骤S6具体为，当新的人脸数据到来时，使用步骤S5训练好的网络提取特征，与数据库中已经保存的人脸特征通过均方差计算进行比较，找到均方差最小的，即为对应身份，完成识别工作。

5.根据权利要求1所述的基于数据增强的三维人脸识别方法，其特征在于，所述步骤S2中，所述人脸处理方法包括鼻尖检测、人脸分割和插值与滤波。