[发明专利]一种3D动态人像识别监控设备及方法

说明书

本发明属于人脸识别技术领域，公开了一种3D动态人像识别监控设备及方法，所述3D动态人像识别监控设备包括：图像获取模块、图像处理模块、人脸特征点拾取模块、3D人脸建模模块、中央处理模块、无线信号传输模块、监控终端、数据库、人脸识别判断模块、人脸搜索模块、人脸图像储存模块、图像分类模块、显示模块。本发明通过利用摄像头，获取人体脸部图像数据，并对图像进行预处理，提高图像的清晰度，有利于后续步骤对人体脸部图像进行3D图像识别，提高准确率；本发明通过特征点提取程序，对人体脸部进行特征点提取，利用3D人脸建模技术，将二维人脸图像转变成3D人体脸部，避免传统二维图像识别精度低的问题。

技术领域

本发明属于人脸识别技术领域，尤其涉及一种3D动态人像识别监控设备及方法。

背景技术

目前，随着深度学习方法的应用，动态人像识别技术的识别率已经得到质的提升，目前我司的动态人像识别率已经达到99％。动态人像识别技术与其他生物特征识别技术相比，在实际应用中具有天然独到的优势：通过摄像头直接获取，可以非接触的方式完成识别过程，方便快捷。目前的动态人像识别技术已应用在金融、教育、景区、旅运、社保等领域。动态人像识别技术主要分为两部分：第一部为前端人脸人像检测认证，主要支持android、ios平台，在前端通过眨眼、张嘴、摇头、点头等组合动作，确保操作的为真实活体人脸。第二部为后台动态人像识别，该环节通过在人像检测认证环节取得整张人脸图像后，再通过扫描识别身份证，取到身份证头像后，将现场人脸与身份证上的人脸进行比对识别，判断是否为同一张人脸。人像检测认证技术可在移动端平台进行运算，提供android、ios平台SDK；由于人脸比对算法的运算量非常大，所以需部署在服务器端，目前支持windows、linux等主流平台。通过动态人像识别与人像检测认证技术，非常好的解决了实名认证环节存在的风险与漏洞。但是现有的3D人像识别技术在运行过程中，没有对图像进行预处理，降低了3D人像识别的准确度。同时现有的3D人像识别技术，由于识别的方式复杂，降低了识别的效率。

通过上述分析，现有技术存在的问题及缺陷为：但是现有的3D人像识别技术在运行过程中，没有对图像进行预处理，降低了3D人像识别的准确度。同时现有的3D人像识别技术，由于识别的方式复杂，降低了识别的效率。

发明内容

为了解决现有技术存在的问题，本发明提供了一种3D动态人像识别监控设备及方法。

本发明是这样实现的，一种3D动态人像识别监控方法，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。