[發明專利]三維人臉識別方法、裝置、終端設備及計算機可讀介質

有效

• 申請號: 202010034574.6
• 申請日: 2020-01-14
• 公開（公告）號: CN110852310B
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 陳俊逸
• 申請（專利權）人: 長沙小鈷科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 長沙德恒三權知識產權代理事務所(普通合伙) 43229
• 代理人: 徐仰貴

本發明實施例提供了一種三維人臉識別方法、裝置、終端設備及計算機可讀介質，所述方法包括：獲取實際場景的近紅外圖像和深度圖像；對近紅外圖像和深度圖像進行歸一化處理，并提取實際場景中的人臉的第一多維度特征向量；根據近紅外圖像中的人臉的關鍵點，計算人臉的偏轉角度，將預先錄入的人臉三維模型按照所述偏轉角度進行旋轉，并將旋轉后的人臉三維模型進行平面投影，得到錄入的人臉的近紅外圖像以及深度圖像；歸一化處理，并提取第二多維度特征向量；計算第一多維度特征向量與第二多維度特征向量的相似度，并根據相似度進行人臉識別，從而可有效識別不同偏轉角度的人臉，并提升三維識別效率，且降低背景對人臉識別精度的影響。

技術領域

本發明屬于人工智能技術領域，具體是涉及到一種三維人臉識別方法、裝置、終端設備及計算機可讀介質。

背景技術

人臉識別是指通過對人臉部特征的比較而識別出身份的過程，目前通用的技術是二維人臉識別，即通過彩色（RGB）或者灰度人臉圖像進行二維平面的特征提取并進行身份識別。三維人臉識別指在三維空間中進行人臉特征提取和認證的過程，與二維相比，增加了人臉的深度信息，能夠有效提取人臉的三維空間信息，具備天然的防偽能力，能夠防止照片和視頻的攻擊，具有更強的實用價值。已有的基于深度學習的三維人臉識別方法中，一類方法是直接使用彩色圖像和深度信息直接作為輸入，通過卷積神經網絡提取特征，進行比較；另一類方法則是通過彩色和深度圖進行重構，得到三維人臉模型后，通過三維卷積神經網絡提取特征進行比較。第一類方法識別速度快，精度與二維方法相當，且能夠防偽，但受光線影響較大，且人臉偏轉時無法識別；第二類方法消耗時間較長，往往需要多幀RGB和深度（depth）圖像才能重構出三維人臉模型，而且三維卷積神經網絡抽取特征時間較長，這導致這類方法在實際中應用受限。

發明內容

有鑒于此，本發明實施例提供一種三維人臉識別方法、裝置、終端設備及計算機可讀介質，能夠有效識別不同偏轉角度的人臉，同時可提升三維識別效率，并降低背景對人臉識別精度的影響。

本發明實施例的第一方面提供了一種三維人臉識別方法，包括：

獲取實際場景的近紅外圖像和深度圖像；

對所述近紅外圖像和深度圖像進行歸一化處理，并將歸一化后的近紅外圖像和歸一化后的深度圖像送入訓練好的卷積神經網絡中，得到所述實際場景的近紅外圖像和深度圖像中的人臉的第一多維度特征向量；

根據所述近紅外圖像中的人臉的關鍵點的位置坐標及深度值，計算所述人臉的偏轉角度α，β，γ；其中，α表示所述人臉的俯仰角度，β表示人臉左右擺動角度，即所述人臉的雙眼中心點與鼻尖點連線偏離豎直方向的角度，γ表示所述人臉的左右偏轉角度；

將預先錄入的人臉三維模型按照所述人臉的偏轉角度α，β，γ進行旋轉，并將旋轉后的人臉三維模型進行平面投影，得到錄入的人臉的近紅外圖像以及深度圖像；

對錄入的人臉的深度圖像和近紅外圖像進行歸一化處理，并將歸一化后的錄入的人臉的深度圖像和近紅外圖像合并送入訓練好的卷積神經網絡中，得到錄入的人臉的第二多維度特征向量；

計算所述第一多維度特征向量與第二多維度特征向量的相似度，并根據相似度進行人臉識別。

本發明實施例的第二方面提供了一種三維人臉識別裝置，包括：

獲取模塊，用于獲取實際場景的近紅外圖像和深度圖像；

第一特征提取模塊，用于對所述近紅外圖像和深度圖像進行歸一化處理，并將歸一化后的近紅外圖像和歸一化后的深度圖像送入訓練好的卷積神經網絡中，得到所述實際場景的近紅外圖像和深度圖像中的人臉的第一多維度特征向量；