The invention discloses a 3D face recognition method. The 3D camera can capture the 3D skeleton data of the target to be identified in real time, extract the important joint points, extract the face 3D data according to the head position, extract the feature using depth algorithm, and find the best match in the feature library. The invention solves the influence of illumination on face recognition, and also realizes real-time face location and recognition from complex background, and has good accuracy and real-time performance.
【技术实现步骤摘要】
一种3D人脸识别方法
本专利技术属于计算机图像识别
,特别涉及了一种3D人脸识别方法。
技术介绍
在计算机技术的高速发展以及社会信息化、网络化程度高度发达的今天,各个领域对快速有效的自动身份验证技术提出了更高的需求,生物特征识别作为一种安全、可靠的身份验证技术在近几十年中得到了快速发展。人脸识别作为一种重要的生物特征识别技术,与虹膜、指纹、声音等其他生物特征识别方法相比,具有更高的可采集性,是一种友好、快捷、容易被人接受的非侵犯性识别方法。由于其友好性、方便性等优点,受到了人们的青睐。尽管人脸识别技术有着广阔的应用前景,但是无论是在识别率,还是在防伪性上,都与指纹,视网膜等有着较大的差距,归根结底,影响人脸识别效果的原因主要有以下2个方面:1.背景环境的复杂性,人脸与背景无法区分2.光照条件的复杂性,对识别效果影响很大。
技术实现思路
为了解决上述
技术介绍
提出的技术问题,本专利技术旨在提供一种3D人脸识别方法,克服现有技术的缺陷,从复杂环境中准确实现定位人脸,并在人脸识别的过程中避免复杂光照环境对识别率造成的不良影响,提高人脸实时识别的精度。为了实现上述技术目的,本专利技术的技术方案为:一种3D人脸识别方法,包括以下步骤:(1)构建深度模型,设置参数优化算法,采用人脸数据库求解最优化的模型参数,并根据模型参数初始化深度模型;(2)采用3D摄像头实时采集包含识别目标的场景深度图像;(3)根据获取的深度图像,提取图像中人体的骨架数据,所述骨架数据包含人体重要的关节点数据,并对骨架数据进行归一化处理;(4)从骨架数据中枚举出头部关节点数据,根据头部关节点数据得 ...
【技术保护点】
一种3D人脸识别方法,其特征在于,包括以下步骤:(1)构建深度模型,设置参数优化算法,采用人脸数据库求解最优化的模型参数,并根据模型参数初始化深度模型;(2)采用3D摄像头实时采集包含识别目标的场景深度图像;(3)根据获取的深度图像,提取图像中人体的骨架数据,所述骨架数据包含人体重要的关节点数据,并对骨架数据进行归一化处理;(4)从骨架数据中枚举出头部关节点数据,根据头部关节点数据得到头部的深度位置,并从深度图像中抠出人脸,对抠出的人脸数据进行插值填洞操作,重采样后生成3D点云人脸图;(5)根据3D摄像头的角度,调整3D点云人脸图的角度;(6)将3D点云人脸图输入步骤(1)构建的深度模型,提取人脸特征向量;(7)步骤(6)提取的人脸特征向量与人脸数据库中保存的人脸特征通过SVM或者邻近聚类算法进行分类,并根据分类结果输出识别结果和可信度。
【技术特征摘要】
1.一种3D人脸识别方法,其特征在于,包括以下步骤:(1)构建深度模型,设置参数优化算法,采用人脸数据库求解最优化的模型参数,并根据模型参数初始化深度模型;(2)采用3D摄像头实时采集包含识别目标的场景深度图像;(3)根据获取的深度图像,提取图像中人体的骨架数据,所述骨架数据包含人体重要的关节点数据,并对骨架数据进行归一化处理;(4)从骨架数据中枚举出头部关节点数据,根据头部关节点数据得到头部的深度位置,并从深度图像中抠出人脸,对抠出的人脸数据进行插值填洞操作,重采样后生成3D点云人脸图;(5)根据3D摄像头的角度,调整3D点云人脸图的角度;(6)将3D点云人脸图输入步骤(1)构建的深度模型,提取人脸特征向量;(7)步骤(6)提取的人脸特征向量与人脸数据库中保存的人脸特征通过SVM或者邻近聚类算法进行分类,并根据分类结果输出识别结果和可信度。2.根据权利要求1所述一种3D人脸识别方法,其特征在于:在步骤(1)中,所述深度模型采用CNN模型,所述参数优化方法采用小批量随机梯度下降算法。3.根据权利要求1所述一种3D人脸识别方法,其特征在于:在步骤(3)中,根据像素点的深度信息,将深度图像中的前景与背景进行分割,前景作为人体的候选对象与标准人体模型进行比较,得到包含20个关节点数据的骨架数据,所述...
【专利技术属性】
技术研发人员:周晓军,李骊,杨高峰,王行,李朔,
申请(专利权)人:南京华捷艾米软件科技有限公司,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。