[发明专利]一种3D动态人像识别监控设备及方法

权利要求书

1.一种3D动态人像识别监控方法，其特征在于，所述3D动态人像识别监控方法包括以下步骤：

步骤一，通过图像获取模块利用摄像头获取人体脸部图像数据；并通过图像处理模块根据获取的人体脸部图像数据，利用图像处理程序对人体脸部图像进行去噪、分割预处理；

步骤二，人体脸部图像预处理完成后，通过人脸特征点拾取模块利用特征点提取程序根据处理后的人体脸部图像建立基于深度卷积神经网络DCNN的人脸特征点提取模型；

步骤三，对人脸特征点提取模型进行训练，训练样本为两张人脸图片及图像中相应的N个区域，每个区域的样本对应每个区域卷积神经网络；

步骤四，利用人脸特征点提取模型进行人脸特征提取和特征融合，对矫正后的人脸图片进行区域的划分，然后利用人脸特征点提取模型对人体脸部特征点进行提取；所述人体脸部特征点融合了人脸各部分的判别性特征与属性特征；

步骤五，通过3D人脸建模模块利用3D人脸建模技术根据二维人脸特征提取点，将二维人脸图像转变成3D人体脸部图像；

步骤六，通过中央处理模块利用中央处理器控制协调所述3D动态人像识别监控设备各个模块的正常运行；

步骤七，通过在数据库中预存有大量人脸数据特征，用以对获取的人体脸部图像进行比对分析判断；

步骤八，通过人脸识别判断模块利用人脸识别判断程序对采集的人脸图像和数据库中预存的人脸图像进行匹配识别判断；

步骤九，匹配识别完成后，通过无线信号传输模块利用在整体系统中设置的无线信号收发器，将数据传输到监控终端中进行监控；通过监控终端利用电脑或者移动终端对人体脸部进行监控；

步骤十，监控过程中，在系统搜索面输入相应的数据，通过人脸搜索模块对所要的图像进行搜索；

步骤十一，通过人脸图像储存模块利用储存器对采集的体脸部图像数据、人体脸部特征点、3D人体脸部图像数据、监控结果、数据库、匹配识别判断结果以及搜索结果进行储存；

步骤十二，数据存储过程中，通过图像分类模块利用图像分类程序将获取的人体脸部图像，建立相应的训练集和测试集；

步骤十三，将训练集图像数据输入建立的数据分类模型，不断对分类模型进行训练评估，并使分类模型能够在错误中进行纠正，吸取经验；分类模型训练完成后，将测试集输入到分类模型中，对人体脸部图像进行分类处理；

步骤十四，通过显示模块利用显示屏显示采集的体脸部图像数据、人体脸部特征点、3D人体脸部图像数据、监控结果、数据库、匹配识别判断结果以及搜索结果的实时数据。

2.如权利要求1所述的3D动态人像识别监控方法，其特征在于，步骤一中，所述图像处理模块对人体脸部图像进行预处理中图像去噪的过程为：

(I)将所获取的人体脸部图像，建立图像去噪集合；

(II)根据集合的图像，选择一定的邻域，确定邻域中人体脸部图像的平均灰度值；将平均灰度值，作为邻域中的中心灰度值；

(III)中心灰度值确定后，将邻域不断对人体脸部图像进行纠正，进行对人体脸部图像的平滑处理。

3.如权利要求2所述的3D动态人像识别监控方法，其特征在于，所述人体脸部图像进行预处理中图像分割的过程为：

根据去噪完成的图像，将人体脸部灰度值作为初始过程中的分割标准；

在初始化过程中，不断进行图像分割；

同时不断更新分割标准，使分割标准在一定范围内部波动；

重复上述过程中，不断对图像进行分割处理。

4.如权利要求1所述的3D动态人像识别监控方法，其特征在于，步骤五中，所述通过3D人脸建模模块将二维人脸图像转变成3D人体脸部图像数据的方法，包括：

(1)将人脸特征点拾取模块获取图像特征点，建立对应的图像特征集合；

(2)根据图像特征集合，进行亮度变化的信息明朗化，处理成基元图；

(3)根据建立的基元图，进行深度空间坐标变化成3D人体脸部图像。

5.如权利要求4所述的3D动态人像识别监控方法，其特征在于，所述进行亮度变化的信息还包括：角、边缘、纹理、线条、边界以及人体脸部运动的场景中的深度、轮廓。