[發明專利]3D人臉識別方法、裝置、電子設備和存儲介質

在審

• 申請號: 202010042429.2
• 申請日: 2020-01-15
• 公開（公告）號: CN111222485A
• 公開（公告）日: 2020-06-02
• 發明（設計）人: 何吉波;譚北平;譚志鵬
• 申請（專利權）人: 北京明略軟件系統有限公司;清華大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 北京超成律師事務所 11646
• 代理人: 鄧超

1.一種3D人臉識別方法，其特征在于，包括：

通過激光雷達技術獲取包含人臉信息的圖像，從所述圖像中獲取人臉信息，并對所述人臉信息進行3D建模以獲得待識別的3D人臉圖像；

對待識別的所述3D人臉圖像進行特征提取，以獲得待識別的第一人臉特征；

將待識別的所述第一人臉特征與預存的各第二人臉特征進行比對，判斷是否存在與待識別的所述第一人臉特征匹配的第二人臉特征，若存在，則輸出匹配結果，若不存在，則再次將待識別的所述第一人臉特征與預存的各第二人臉特征進行比對，直到匹配到第二人臉特征或匹配次數達到預設次數。

2.根據權利要求1所述的方法，其特征在于，對待識別的所述3D人臉圖像進行特征提取，以獲得待識別的第一人臉特征，包括：

通過訓練好的深度卷積神經網絡對所述3D人臉圖像進行編碼，以獲得該3D人臉圖像的多個第一特征值。

3.根據權利要求2所述的方法，其特征在于，所述方法還包括預存多個第二人臉特征的步驟，所述步驟包括：

通過訓練好的深度卷積神經網絡對需要預存的多個3D人臉圖像進行編碼，以獲得每個人臉圖像的多個第二人臉特征，并將所述第二人臉特征進行存儲，其中，每個所述第二人臉特征包括多個第二特征值。

4.根據權利要求3所述的方法，其特征在于，判斷是否存在與待識別的所述第一人臉特征匹配的第二人臉特征，包括：

計算所述第一特征值與各第二特征值的歐式距離；

根據所述歐式距離的大小判斷是否存在與所述第一人臉特征匹配的第二人臉特征。

5.根據權利要求4所述的方法，其特征在于，根據所述歐式距離的大小判斷是否存在與所述第一人臉特征匹配的第二人臉特征，包括：

判斷所述歐式距離是否小于預設閾值，若是，則判定第二人臉特征與第一人臉特征匹配，若否，則判定第二人臉特征與第一人臉特征不匹配。

6.根據權利要求1所述的方法，其特征在于，在對待識別的所述3D人臉圖像進行特征提取之前，所述方法還包括：

通過噪聲濾波對待識別的3D人臉圖像進行修正處理；或者，

對待識別的3D人臉圖像進行光線補償處理；或者，

通過噪聲濾波對待識別的3D人臉圖像進行修正處理，對進行修正處理后的待識別的3D人臉圖像進行光線補償處理。

7.一種3D人臉識別裝置，其特征在于，所述裝置包括：

3D人臉圖像獲取模塊，用于通過激光雷達技術獲取包含人臉信息的圖像，從所述圖像中獲取人臉信息，并對所述人臉信息進行3D建模以獲得待識別的3D人臉圖像；

特征提取模塊，用于對待識別的所述3D人臉圖像進行特征提取，以獲得待識別的第一人臉特征；

特征比對模塊，用于將待識別的所述第一人臉特征與預存的各第二人臉特征進行比對，判斷是否存在與待識別的所述第一人臉特征匹配的第二人臉特征，若存在，則輸出匹配結果，若不存在，則再次將待識別的所述第一人臉特征與預存的各第二人臉特征進行比對，直到匹配到第二人臉特征或匹配次數達到預設次數。

8.根據權利要求7所述的裝置，其特征在于，所述特征提取模塊具體用于：

通過訓練好的深度卷積神經網絡對所述3D人臉圖像進行編碼，以獲得該3D人臉圖像的多個第一特征值。

9.一種電子設備，其特征在于，包括處理器及存儲有計算機指令的非易失性存儲器，所述計算機指令被所述處理器執行時，所述電子設備執行權利要求1-6中任意一項所述的3D人臉識別方法。

10.一種存儲介質，其特征在于，所述存儲介質中存儲有計算機程序，所述計算機程序被執行時實現權利要求1-6中任意一項所述的3D人臉識別方法。