[发明专利]脸部识别方法和设备

说明书

公开一种脸部识别方法和设备。面部识别方法包括：获得用户面部的2D图像；获得与用户面部相关联的3D形状信息；使用至少一个深度神经网络模型从2D图像和3D形状信息提取特征信息；以及基于提取的特征信息来确定面部识别结果。

本申请是申请日为2016年6月24日、申请号为201610467503.9、发明名称为“脸部识别方法和设备”的发明专利申请的分案申请。

技术领域

至少一个示例性实施例涉及用于识别出现在图像中的脸部的脸部识别技术。

背景技术

与其他识别技术(例如，需要用户执行特定的运动或动作的指纹和虹膜识别)不同，脸部识别技术被认为是可在不接触目标的情况下验证目标的方便且有竞争力的生物识别技术。由于脸部识别技术的方便性和有效性，这样的脸部识别技术已被广泛地使用于各种应用领域，例如，安全系统、移动认证和多媒体搜索。然而，脸部识别技术的性能对于用户的脸部姿态和面部表情、遮挡、光照的变化等可能是敏感的。

识别注册的脸部和未注册的脸部的模式分类器的性能可影响脸部识别技术的性能。可基于例如使用神经网络模型的方法来训练模式分类器。神经网络模型可以是通过由数学表达式对人类神经细胞的特征进行建模获得的模型，并且可具有将输入模式分类为预定的组的能力。为了解决将输入模式分类为预定的组的问题，神经网络模型可使用模仿人类学习的能力的算法。基于该算法，神经网络模型可生成可被表示为神经网络模型的学习能力的输入模式与输出模式之间的映射。

发明内容

一些示例性实施例涉及一种脸部识别方法。

在一些示例性实施例中，所述方法可包括：基于二维(2D)输入图像生成个性化三维脸部模型，基于个性化3D脸部模型获得3D形状信息和正规化2D输入图像，基于3D形状信息和正规化2D输入图像的颜色信息确定特征信息，基于特征信息执行脸部识别。

所述确定的步骤可包括：使用第一深度神经网络模型基于颜色信息确定第一特征信息，并使用第二深度神经网络模型基于3D形状信息确定第二特征信息，其中，所述脸部识别的执行的步骤可包括基于第一特征信息和第二特征信息执行脸部识别。

所述3D形状信息的获得的步骤可包括：基于个性化3D脸部模型生成深度图像，基于正规化2D输入图像的标记精细化出现在深度图像中的3D形状，并从精细化的3D形状获得3D形状信息。

其他示例性实施例涉及一种设备。

在一些示例性实施例中，所述设备可包括：标记检测器，被配置为从2D图像检测脸部的标记；3D形状信息获取器，被配置为基于检测的标记生成个性化3D脸部模型并从个性化3D脸部模型获得3D形状信息；第一特征信息确定器，被配置为基于2D图像的颜色信息使用第一深度神经网络模型确定第一特征信息；第二特征信息确定器，被配置为基于3D形状信息使用第二深度神经网络模型确定第二特征信息。

第一深度神经网络模型可用于基于2D图像的颜色信息确定与被包括在图像中的脸部的外观相关的特征，第二深度神经网络模型可用于基于3D形状信息确定与被包括在2D图像中的脸部的形状相关的特征。

其他示例实施例涉及一种脸部识别设备。

在一些示例实施例中，所述脸部识别设备可包括至少一个处理器，和包括可由所述至少一个处理器执行的指令的存储器，其中，在执行指令的过程中，所述至少一个处理器被配置为基于2D输入图像生成个性化3D脸部模型，基于个性化3D脸部模型获得3D形状信息和正规化2D输入图像，基于3D形状信息和正规化2D输入图像的颜色信息确定特征信息，并基于特征信息执行脸部识别。

将在下面的描述中分部分地提出示例性实施例的其他方面，而且示例性实施例的其他方面将从描述分部分地清楚或可通过本公开的实施学习到。

附图说明

通过下面结合附图对示例性实施例进行的描述，这些和/或其他方面将变得清楚和更加容易理解，其中：