[发明专利]一种结合面部角度信息的多姿态人脸验证方法

说明书

本发明提供了一种结合面部角度信息的多姿态人脸验证方法，包括获取样本，并构建样本信息库；得到待测目标的面部角度信息，并确定待测目标的姿态标志参数；生成待测目标的正面化图像和样本信息库中每个样本的姿态化图像；提取待测目标的正面化特征，以及待测目标和样本信息库中每个样本的姿态化特征；对待测目标与所有样本进行特征比对，分别计算待测目标与所有样本的正面化相似度和姿态化相似度；根据正面化相似度和姿态化相似度计算待测目标与所有样本的最终相似度，得到并输出待测目标的验证结果。相较于现有技术，提升了多姿态人脸验证的准确率和验证效率。

技术领域

本发明涉及生物识别技术领域，尤其涉及一种结合面部角度信息的多姿态人脸验证方法。

背景技术

人脸验证是身份验证的一种重要方式。人脸特征较虹膜、指纹等其他生物特征有其独特的价值。在安防、监控、银行身份验证、公安系统的身份验证、档案管理系统等领域有着广泛的应用前景。人脸手机解锁、人脸支付、安检门禁等应用通过现代化的电子设备(如门禁设备、手机、电脑等终端)为人们的生活带来极大便利。

现有技术中，人脸验证的具体流程一般为：首先构建人脸特征库，在验证步骤时，获取待验证的人脸图像并进行特征提取，通过提取得到的人脸特征与人脸特征库中预先存储的特征计算相似度，最终根据相似度与阈值的比较来判定人脸是否通过验证。

然而，现有的人脸验证方法对于一些侧脸、低头等多姿态情形存在验证准确率低的情况，因此这些方法一般要求用户在正脸状态下来进行验证，从而规避多姿态情形造成的验证率低的情况。对于多姿态人脸验证问题而言，关键在于结合姿态信息提取到合适的特征以及合理的特征比对方法。

通常，人脸的姿态可以通过表示方位的俯仰角pitch、偏航角yaw和翻滚角roll三个旋转角度来表示，其中pitch表示关于x轴的旋转角度，yaw表示关于y轴的旋转角度，roll表示关于z轴的旋转角度。这里，x、y、z轴可以视为以三维人脸中心为坐标原点的三维坐标系统下的三条坐标轴，pitch、yaw、roll的取值范围一般认为是

为得到人脸的面部角度信息，即俯仰角pitch、偏航角yaw和翻滚角roll三个旋转角度，以往要先使用人脸检测和人脸关键点定位，再根据关键点求解PnP问题进行姿态估计，从而得到人脸的三个旋转角度。PnP问题是Prespective-n-Point问题，通俗讲是通过世界的N个特征点与图像成像中的N个像点，计算出投影关系，从而获得物体物姿的问题。计算机视觉领域的PnP问题一般可以使用计算机视觉库OpenCV的solvePnP函数求解。以往通过求解PnP问题来得到姿态数据的这种方案的问题的难点主要在于：对于多姿态场景下的人脸关键点，若要求过少的关键点则无法得到姿态信息，若要求过多关键点，如dlib库的68点人脸关键点方法对于人脸部件缺失的图像则无法定位到人脸的关键点。因此，在多姿态场景下，根据关键点求解PnP问题不是一种很好的得到姿态信息的方案。

发明内容

本发明目的在于提供一种结合面部角度信息的多姿态人脸验证方法，以提高多姿态人脸验证的准确率。

一种结合面部角度信息的多姿态人脸验证方法，包括：

步骤1，获取样本，并构建样本信息库；

步骤2，获取待测目标的原始人脸图像，得到所述待测目标的面部角度信息，并确定所述待测目标的姿态标志参数；

步骤3，生成所述待测目标的正面化图像和样本信息库中每个样本的姿态化图像；

步骤4，提取所述待测目标的正面化特征，以及所述待测目标和样本信息库中每个样本的姿态化特征；

步骤5，对所述待测目标与所有样本进行特征比对，分别计算所述待测目标与所有样本的正面化相似度和姿态化相似度；

步骤6，根据所述正面化相似度和姿态化相似度计算待测目标与所有样本的最终相似度，得到并输出所述待测目标的验证结果。