[發(fā)明專利]一種低質(zhì)量三維人臉識別方法、系統(tǒng)、設(shè)備和存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011429698.0
• 申請日: 2020-12-09
• 公開（公告）號: CN112446345A
• 公開（公告）日: 2021-03-05
• 發(fā)明（設(shè)計）人: 余璀璨;張子輝;李慧斌
• 申請（專利權(quán)）人: 西安交通大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 西安通大專利代理有限責(zé)任公司 61200
• 代理人: 張海平

一種低質(zhì)量三維人臉識別方法、系統(tǒng)、設(shè)備和存儲介質(zhì)，將采集的低質(zhì)量三維人臉投影，得到三維人臉法向量圖像；利用優(yōu)化后的卷積神經(jīng)網(wǎng)絡(luò)將三維人臉法向量圖像映射到高斯分布，通過連續(xù)歸一化流將高斯分布的均值變換到形式自由分布中的樣本，將形式自由分布中的樣本作為低質(zhì)量三維人臉對應(yīng)的干凈特征，識別身份類別。本發(fā)明在三維人臉識別任務(wù)中將低質(zhì)量三維人臉通過深度卷積神經(jīng)網(wǎng)絡(luò)映射到特征分布，有利于刻畫低質(zhì)量三維人臉數(shù)據(jù)的噪聲帶來的不確定性，并實現(xiàn)在特征空間去噪。本發(fā)明采用形式自由的分布代替固定形式的分布，更準確地近似低質(zhì)量三維人臉真實的后驗分布。

技術(shù)領(lǐng)域

本發(fā)明屬于三維人臉識別技術(shù)領(lǐng)域，具體涉及一種低質(zhì)量三維人臉識別方法、系統(tǒng)、設(shè)備和存儲介質(zhì)。

背景技術(shù)

由于具備幾何信息的優(yōu)越性，三維人臉識別技術(shù)取得了巨大的成功。現(xiàn)有的方法主要是面對高質(zhì)量的三維人臉數(shù)據(jù)提出的，然而在實際情況下采用高質(zhì)量三維人臉進行識別是不現(xiàn)實的做法，相比之下，低質(zhì)量的三維人臉識別更符合實際的場景。低質(zhì)量的數(shù)據(jù)與生俱來噪聲很大，因此，探索對噪聲魯棒的低質(zhì)量三維人臉識別成為一個迫切而富有挑戰(zhàn)性的問題。

目前對于低質(zhì)量三維人臉識別的研究很少。一些傳統(tǒng)的方法如ICP，PCA被用于低質(zhì)量三維人臉識別，由于這些傳統(tǒng)方法能力有限，難以應(yīng)對帶有大量噪聲的低質(zhì)量樣本。現(xiàn)有的基于深度學(xué)習(xí)的低質(zhì)量三維人臉識別方法采用RGB-D圖像或法向量訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)用于識別，多采用數(shù)據(jù)增強的方式增加數(shù)據(jù)多樣性，但人工進行數(shù)據(jù)增強的方式有限，而低質(zhì)量三維人臉數(shù)據(jù)不確定性高，旋轉(zhuǎn)、加噪聲等數(shù)據(jù)增強方式難以覆蓋到低質(zhì)量三維人臉數(shù)據(jù)的各種情況。因此，低質(zhì)量三維人臉識別仍存在較大的提升空間。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種簡單且有效的一種低質(zhì)量三維人臉識別方法、系統(tǒng)、設(shè)備和存儲介質(zhì)。

為實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案如下：

一種低質(zhì)量三維人臉識別方法，將采集的低質(zhì)量三維人臉投影，得到三維人臉法向量圖像；

利用優(yōu)化后的卷積神經(jīng)網(wǎng)絡(luò)將三維人臉法向量圖像映射到高斯分布，通過連續(xù)歸一化流將高斯分布的均值變換到形式自由分布中的樣本，將形式自由分布中的樣本作為低質(zhì)量三維人臉對應(yīng)的干凈特征，識別身份類別。

本發(fā)明進一步的改進在于，優(yōu)化后的卷積神經(jīng)網(wǎng)絡(luò)通過以下過程得到：

采集低質(zhì)量三維人臉數(shù)據(jù)集，預(yù)處理后得到預(yù)處理后的訓(xùn)練集；

將預(yù)處理后的訓(xùn)練集中的低質(zhì)量三維人臉點云投影，得到三維人臉法向量圖像；

利用卷積神經(jīng)網(wǎng)絡(luò)將三維人臉法向量圖像映射到高斯分布，輸出高斯分布的均值和標(biāo)準差，從高斯分布中通過重參數(shù)化方式采樣，得到符合高斯分布的樣本；

通過連續(xù)歸一化流將符合高斯分布的樣本變換，得到形式自由分布樣本；

將形式自由分布樣本作為輸入的低質(zhì)量人臉的特征，根據(jù)形式自由分布樣本預(yù)測這個低質(zhì)量三維人臉對應(yīng)的身份類別，根據(jù)預(yù)測的身份類別和真實的類別計算損失函數(shù)，根據(jù)損失函數(shù)通過梯度反向傳播優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)的參數(shù)，得到優(yōu)化后的卷積神經(jīng)網(wǎng)絡(luò)。

本發(fā)明進一步的改進在于，預(yù)處理的具體過程為：對低質(zhì)量三維人臉檢測出鼻尖點，以鼻尖點為中心切割，去除人臉以外的部分，得到預(yù)處理后的訓(xùn)練集。

本發(fā)明進一步的改進在于，符合高斯分布的樣本z通過下式得到：

z＝u+∈·σ，∈～N(0，I)

其中，μ表示高斯分布的均值，σ表示高斯分布的標(biāo)準差，∈表示一個隨機種子，N(0，I)表示標(biāo)準高斯分布，I表示單位矩陣。

本發(fā)明進一步的改進在于，形式自由分布樣本z′通過下式得到：