[發明專利]基于特征張量的三維人臉識別方法、裝置及存儲介質

有效

• 申請號: 201810367653.1
• 申請日: 2018-04-23
• 公開（公告）號: CN108615007B
• 公開（公告）日: 2019-07-19
• 發明（設計）人: 沈琳琳;劉亞輝
• 申請（專利權）人: 深圳大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 胡海國

1.一種基于特征張量匹配圖的三維人臉識別方法，其特征在于，所述方法包括：

獲取待識別三維人臉圖像，提取三維人臉圖像的特征點，統計各個特征點鄰域區域的局部特征得到形狀索引向量和傾角向量，同時根據人臉的標準標記點計算特征點的相對位置特征向量，最終獲得由形狀索引向量、傾角向量及相對位置特征向量組成的所述三維人臉圖像的特征張量；

將所述待識別三維人臉圖像的特征張量與數據庫中已注冊三維人臉圖像的特征張量進行匹配，計算匹配張量，根據所述匹配張量生成特征張量匹配圖；

根據預設的分類網絡模型對所述特征張量匹配圖進行分類，輸出相似度的分類結果；

根據所述相似度的分類結果得到三維人臉識別結果。

2.根據權利要求1所述的方法，其特征在于，所述將所述待識別三維人臉圖像的特征張量與數據庫中已注冊三維人臉圖像的特征張量進行匹配，計算匹配張量，根據所述匹配張量生成特征張量匹配圖的步驟之前還包括：

描述注冊三維人臉圖像的特征張量，并保存在數據庫中，以供與待識別三維人臉圖像的特征張量進行匹配時使用，所述注冊三維人臉圖像的張數不止一張。

3.根據權利要求1所述的方法，其特征在于，所述根據所述待識別三維人臉圖像的特征張量分別與數據庫中已注冊三維人臉圖像的特征張量進行匹配，計算匹配張量的步驟包括：

以T_M×N×3表示匹配張量，其中

T_M×N×3＝[A₁ A₂ A₃]；

M表示待識別三維人臉圖像中的M個特征點，N表示數據庫中已注冊三維人臉圖像中的N個特征點，A₁,A₂,A₃分別表示匹配張量T_M×N×3的三個通道，其中：

其中k＝1，2，3，α表示角度，其中：

其中，f_G,s,i，f_G,θ,i，f_G,p,i分別表示數據庫中已注冊三維人臉圖像中特征張量F_G中第i個特征點所對應的形狀索引向量、傾角向量和全局相對位置向量；相應地，f_T,s,j，f_T,θ,j，f_T,p,j分別表示待識別三維人臉圖像特征張量F_T中第j個特征點所對應的形狀索引向量、傾角向量和全局相對位置向量。

4.根據權利要求1所述的方法，其特征在于，所述根據所述匹配張量生成特征張量匹配圖的步驟包括：

將所述匹配張量T_M×N×3的三個通道分別作為彩色圖像的紅、綠、藍三個通道，并將每個通道的值由[0,π]映射到[0,255]，生成特征張量匹配圖。

5.根據權利要求1-4中任一項所述的方法，其特征在于，所述根據分類網絡模型對所述特征張量匹配圖進行分類的步驟之前還包括：

將數據庫中的特征張量匹配圖分成第一類張量匹配圖和第二類張量匹配圖，所述第一類張量匹配圖表示待識別三維人臉圖像與注冊三維人臉圖像是來自同一個人的兩張三維人臉圖像的張量匹配圖，所述第二類張量匹配圖表示待識別三維人臉圖像與注冊三維人臉圖像是來自不同人的兩張三維人臉圖像的張量匹配圖，利用深度卷積神經網絡對所述第一類張量匹配圖和所述第二類張量匹配圖進行訓練，得到分類網絡模型。

6.根據權利要求1所述的方法，其特征在于，所述相似度的分類結果是范圍為0-1之間的值。

7.根據權利要求1所述的方法，其特征在于，所述方法應用于1：1的三維人臉識別和1：N的三維人臉識別。

8.一種基于特征張量匹配圖的三維人臉識別裝置，其特征在于，包括存儲器、處理器，其中所述存儲器中存儲有基于特征張量匹配圖的三維人臉識別程序，所述處理器運行所述程序時實現如權利要求1-7項中任一項所述的方法的步驟。

9.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有基于特征張量匹配圖的三維人臉識別程序，所述基于特征張量匹配圖的三維人臉識別程序運行時實現如權利要求1-7項中任一項所述的方法的步驟。