[發明專利]人臉識別方法、裝置、電子設備和存儲介質

有效

• 申請號: 202010420803.8
• 申請日: 2020-05-18
• 公開（公告）號: CN111680573B
• 公開（公告）日: 2023-10-03
• 發明（設計）人: 戶磊;朱海濤;保長存;浦煜
• 申請（專利權）人: 合肥的盧深視科技有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V20/64;G06T17/00
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 張秀程

1.一種人臉識別方法，其特征在于，包括：

確定待識別的人臉深度圖；

基于所述人臉深度圖，確定人臉參數化點云圖；

將所述人臉參數化點云圖輸入至三維人臉重建網絡中，得到所述三維人臉重建網絡輸出的三維人臉重建模型；其中，所述三維人臉重建網絡是基于樣本人臉參數化點云圖和所述樣本人臉參數化點云圖對應的樣本三維人臉重建模型訓練得到的；

將三維人臉重建模型輸入至特征提取網絡，得到所述特征提取網絡輸出的人臉特征，所述人臉特征用于人臉識別；其中，所述特征提取網絡是基于樣本三維人臉重建模型和所述樣本三維人臉重建模型對應的樣本人臉特征訓練得到的。

2.根據權利要求1所述的人臉識別方法，其特征在于，所述基于所述人臉深度圖，確定人臉參數化點云圖，具體包括：

基于所述人臉深度圖，確定人臉姿態參數和人臉尺度參數；

基于所述人臉姿態參數和人臉尺度參數，對所述人臉深度圖對應的人臉點云圖進行轉正和歸一化操作，得到標準人臉尺度點云圖；

基于所述標準人臉尺度點云圖，確定人臉參數化點云圖。

3.根據權利要求2所述的人臉識別方法，其特征在于，所述基于所述人臉深度圖，確定人臉姿態參數和人臉尺度參數，具體包括：

將所述人臉深度圖對應的人臉點云圖輸入至姿態估計網絡中，得到所述姿態估計網絡輸出的人臉姿態參數和人臉尺度參數；其中，所述姿態估計網絡是基于樣本人臉點云圖和所述樣本人臉點云圖對應的人臉姿態參數和人臉尺度參數訓練得到的。

4.根據權利要求3所述的人臉識別方法，其特征在于，所述樣本人臉點云圖和所述樣本人臉點云圖對應的人臉姿態參數和人臉尺度參數是基于如下步驟得到的：

獲取若干個人的多視角點云圖；

對任意一個人的多視角點云圖進行數據融合，得到所述任意一個人的三維人臉模型；

基于標準模板模型，對每個人的三維人臉模型進行帶尺度的剛性注冊，得到標準三維人臉模型數據庫；

對所述標準三維人臉模型數據庫中的任一標準三維人臉模型進行隨機添加歐拉角、三維平移和尺度的變換，投影得到任一樣本人臉點云圖，將隨機添加的歐拉角、三維平移作為所述任一樣本人臉點云圖對應的人臉姿態參數，將隨機添加的尺度作為所述任一樣本人臉點云圖對應人臉尺度參數。

5.根據權利要求1所述的人臉識別方法，其特征在于，所述三維人臉重建網絡的損失函數是基于三維模型真值約束損失函數，以及三維模型光滑度損失函數、三維模型對稱度損失函數和正則項損失函數共同確定的；

其中，所述三維模型真值約束損失函數用于約束三維人臉重建網絡輸出模型與其多幀融合模型的相似度，所述光滑度損失函數用于約束三維人臉重建網絡輸出模型的光滑度，所述對稱度損失函數用于約束三維人臉重建網絡輸出模型的對稱度，所述正則項損失函數用于約束三維人臉重建網絡輸出模型的簡化度。

6.根據權利要求1所述的人臉識別方法，其特征在于，所述將三維人臉重建模型輸入至特征提取網絡，得到所述特征提取網絡輸出的人臉特征，所述人臉特征用于人臉識別，具體包括：

將三維人臉重建模型與所述三維人臉重建模型對應的權重圖點乘后輸入至特征提取網絡，得到所述特征提取網絡輸出的人臉特征；

其中，所述權重圖是基于所述三維人臉重建模型中人臉區域的剛性程度確定的。

7.根據權利要求1至6任一項所述的人臉識別方法，其特征在于，所述三維人臉重建網絡和所述特征提取網絡的訓練包括第一階段訓練和第二階段訓練；

所述第一階段訓練包括基于樣本人臉參數化點云圖和樣本三維人臉重建模型訓練所述三維人臉重建網絡，以及基于樣本三維人臉重建模型和樣本人臉特征訓練所述特征提取網絡；

所述第二階段訓練包括基于樣本人臉參數化點云圖和樣本人臉特征聯合訓練所述三維人臉重建網絡和所述特征提取網絡。