[发明专利]一种基于3D人脸模型的视频监控动态人脸识别方法及装置

权利要求书

1.一种基于3D人脸模型的视频监控动态人脸识别方法，其特征在于，包括：

A、提取N张待识别二维人脸图像；利用第一特征提取器对N张所述待识别二维人脸图像进行特征提取，得到第一二维特征向量；其中，N为整数且N≥1；

以及，将N张所述待识别二维人脸图像转换为三维人脸模型，对所得三维人脸模型进行UV展开，得到第一UV图，利用第二特征提取器对第一UV图进行特征提取，得到第一三维特征向量；串联所述第一二维特征向量与第一三维特征向量，得到第一融合特征向量；

B、将预存的三维人脸模型分别投影至N张所述待识别二维人脸图像对应的视角，得到N张二维投影人脸图像，利用第一特征提取器对N张所述二维投影人脸图像进行特征提取，得到第二二维特征向量；

以及，对预存的三维人脸模型进行UV展开，得到第二UV图，利用第二特征提取器对第二UV图进行特征提取，得到第二三维特征向量；串联所述第二二维特征向量与第二三维特征向量，得到第二融合特征向量；

C、将所述第一融合特征向量与所述第二融合特征向量进行特征对比，得到人脸识别结果。

2.如权利要求1所述的方法，其特征在于，所述提取N张待识别二维人脸图像包括：对视频监控中人脸进行跟踪识别，得到人脸视频流，基于预设的筛选条件从所述人脸视频流中选出N张所述待识别二维人脸图像。

3.如权利要求1所述的方法，其特征在于，当N＞1时，将提取到的N张所述待识别二维人脸图像的N个特征向量进行串联得到所述第一二维特征向量；当N＞1时，将提取到的N张所述二维投影人脸图像N个特征向量进行串联得到所述第二二维特征向量。

4.如权利要求1所述的方法，其特征在于，所述步骤C还包括：利用多层感知器对所述第一融合特征向量、所述第二融合特征向量分别进行特征变换与降维处理，以对将降维处理后的第二融合特征向量与第一融合特征向量进行特征对比，得到人脸识别结果。

5.如权利要求4所述的方法，其特征在于，通过计算降维处理后的第二融合特征向量与第一融合特征向量的余弦相似度或者欧式距离来进行特征对比。

6.如权利要求1-5任一所述的方法，其特征在于，所述UV展开包括：将三维人脸模型的形状信息转换为UV位置图和UV法向量图。

7.如权利要求6所述的方法，其特征在于，所述UV位置图上像素的值与所述三维人脸模型上每个三维点的坐标一一对应，UV法向量图上像素的值与所述三维人脸模型上每个三维点的法向量一一对应。

8.如权利要求1所述的方法，其特征在于，所述第一特征提取器、所述第二特征提取器为卷积神经网络VGG-16、ResNet-50或ResNet-101中的一种。

9.一种基于3D人脸模型的视频监控动态人脸识别装置，其特征在于，包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至8中任一项所述的方法。