三维人脸识别方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术涉及一种三维人脸识别方法，包括步骤：获取待识别的三维人脸点云数据；将所述待识别的三维人脸点云数据输入RP

【技术实现步骤摘要】
三维人脸识别方法、装置、电子设备及存储介质


[0001]本专利技术涉及三维人脸识别
，尤其是涉及一种三维人脸识别方法、装置、电子设备及存储介质。

技术介绍

[0002]随着当前社会信息化程度的不断提高，相关的信息安全问题也越来越受到重视，而所有的信息安全最终都离不开个人身份的认证。无论是个人隐私信息、财产安全，还是政府机密文件和管理权限，都需要对相关人员的身份进行认证以保证安全。传统的身份认证方式如证书、密码、印章、卡片等都有其弊端和隐患，如证书、卡片等认证工具容易损坏或丢失，密码容易混淆和遗忘等，由于具有可靠性和便捷性的优势，新兴的生物识别技术具有传统身份识别和认证技术不可比拟的优势，它已经被社会广泛关注和使用。
[0003]其中，三维人脸识别技术具有独特的优势，主要体现在：
[0004](1)三维人脸识别具有恒定光照和姿势的特点，人脸三维形状数据可视为不随光线和视线的变化而变化，化妆等附件对二维图像数据有很大影响，但对三维数据没有明显影响。
[0005](2)三维数据有明确的空间形状表示，所以它的信息比二维图像更丰富。
[0006]现有的一种三维人脸识别方法中，通过三维人脸点云数据表示三维图像的位置信息和深度信息，将三维人脸点云数据通过深度学习模型进行分类识别，但是现有的深度学习模型对三维人脸点云数据的特征提取细节不足，对三维人脸识别的识别率低。

技术实现思路

[0007]本专利技术的目的在于克服现有技术的缺点与不足，提供一种三维人脸识别方法，能够同时提取三维人脸点云数据的局部特征和全局特征，提高三维人脸识别的识别率。
[0008]本专利技术是通过以下技术方案实现的：一种三维人脸识别方法，包括步骤：
[0009]获取待识别的三维人脸点云数据；
[0010]将所述待识别的三维人脸点云数据输入RP
‑
net网络模型中，得到局部
‑
全局人脸特征，其中，所述RP
‑
net网络模型包括采样模块、分组模块和特征提取模块，所述采样模块用于对所述待识别的三维人脸点云数据进行采样，得到若干个关键点；
[0011]所述分组模块用于以每一所述关键点为圆心，以特征提取半径值r为半径，得到若干个圆形区域；根据所述圆形区域划将所述待识别的三维人脸点云数据进行分组，得到若干关键点云数据集；
[0012]所述特征提取模块包括第一变换层、局部特征标记层、第一MLP层、第二变换层、第二MLP层和池化层，其中所述第一变换层用于对每一所述关键点云数据集进行对齐操作；所述局部特征标记层用于将所述第一变换层输出的关键点云数据集分别围绕三维坐标轴旋转T个旋转角度{θ
k
}，k＝1,2,...,T，得到对应三个三维坐标轴的旋转点云数据集Q
′
x
(θ
k
)，Q
′
y
(θ
k
)，Q
′
z
(θ
k
)；分别将所述旋转点云数据集Q
′
x
(θ
k
)，Q
′
y
(θ
k
)，Q
′
z
(θ
k
)在三维坐标轴所在
的三个平面上投影，得到对应的投影点云数据集；分别将所述投影点云数据集平均分为N
b
×
N
b
个网格，并计算每一所述网格中的点云数据量，得到对应的分布矩阵D
x
，D
y
，D
z
；分别根据所述分布矩阵D
x
，D
y
，D
z
获得对应的中心矩μ
mn
和香农熵e；分别根据所述中心矩μ
mn
和香农熵e获得对应三个三维坐标轴的子特征描述符f
x
(θ
k
)，f
y
(θ
k
)，f
z
(θ
k
)；将子特征描述符f
x
(θ
k
)，f
y
(θ
k
)，f
z
(θ
k
)进行聚合，得到局部特征描述符f；所述第一MLP层用于根据所述局部特征描述符f对所述第一变换层输出的关键点云数据集进行升维操作；所述第二变换层用于对所述第一MLP层输出的关键点云数据集进行对齐操作；所述第二MLP层用于对所述第二变换层输出的关键点云数据集进行升维操作；所述池化层用于对所述第二MLP层输出的关键点云数据集进行最大池化操作，得到所述局部
‑
全局人脸特征；
[0013]将所述局部
‑
全局人脸特征与一候选人脸的人脸特征进行相似性度量，得到相似性度量值，根据所述相似性度量值判断待识别的三维人脸点云数据是否为该候选人脸。
[0014]相对于现有技术，本专利技术提供一种三维人脸识别方法通过RP
‑
net网络模型对三维人脸点云数据进行特征提取，在RP
‑
net网络模型的特征提取中同时捕捉人脸的局部特征和全局特征，其中局部特征可以更详细地描述人脸特征，能够提高对三维人脸的识别准确率。
[0015]进一步地，获取待识别的三维人脸点云数据后，还包括步骤：
[0016]对所述待识别的三维人脸点云数据进行水平切片，得到多个水平轮廓图；
[0017]针对每一所述水平轮廓图，在水平轮廓边线上放置若干探测点，以每一探测点为圆心设一探测圆，获取所述探测圆与所述水平轮廓边线的两个交点到对应探测点的探测距离，确定最大的所述探测距离对应的所述探测点为鼻尖候选点；
[0018]确定所述探测距离最大的鼻尖候选点为鼻尖点；
[0019]计算所述待识别的三维人脸点云数据中每一数据点与所述鼻尖点的距离，裁除距离大于预设距离的所述数据点。
[0020]进一步地，获取待识别的三维人脸点云数据后，还包括步骤：针对所述待识别的三维人脸点云数据中的每一数据点，获取同一领域内的数据点的中值坐标，将该数据点的坐标替换为该中值坐标。
[0021]进一步地，针对所述待识别的三维人脸点云数据中的每一数据点，获取同一领域内的数据点的中值坐标，将该数据点的坐标替换为该中值坐标后，还包括步骤：通过三次插值对所述待识别的三维人脸点云数据进行缺孔的填充。
[0022]进一步地，获取待识别的三维人脸点云数据后，还包括步骤：获取所述待识别的三维人脸点云数据中的每一数据点的法向量，并将所述法向量加入所述待识别的三维人脸点云数据中。
[0023]进一步地，所述中心矩μ
mn
的表达式为
[0024][0025]其中，D(i,j)表示分布矩阵D的第i行第j列，D＝[D
x
,D
y
,D
z
...

【技术保护点】

【技术特征摘要】
1.一种三维人脸识别方法，其特征在于，包括步骤：获取待识别的三维人脸点云数据；将所述待识别的三维人脸点云数据输入RP
‑
net网络模型中，得到局部
‑
全局人脸特征，其中，所述RP
‑
net网络模型包括采样模块、分组模块和特征提取模块，所述采样模块用于对所述待识别的三维人脸点云数据进行采样，得到若干个关键点；所述分组模块用于以每一所述关键点为圆心，以特征提取半径值r为半径，得到若干个圆形区域；根据所述圆形区域划将所述待识别的三维人脸点云数据进行分组，得到若干关键点云数据集；所述特征提取模块包括第一变换层、局部特征标记层、第一MLP层、第二变换层、第二MLP层和池化层，其中所述第一变换层用于对每一所述关键点云数据集进行对齐操作；所述局部特征标记层用于将所述第一变换层输出的关键点云数据集分别围绕三维坐标轴旋转T个旋转角度{θ
k
}，k＝1,2,...,T，得到对应三个三维坐标轴的旋转点云数据集Q
′
x
(θ
k
)，Q
′
y
(θ
k
)，Q
′
z
(θ
k
)；分别将所述旋转点云数据集Q
′
x
(θ
k
)，Q
′
y
(θ
k
)，Q
′
z
(θ
k
)在三维坐标轴所在的三个平面上投影，得到对应的投影点云数据集；分别将所述投影点云数据集平均分为N
b
×
N
b
个网格，并计算每一所述网格中的点云数据量，得到对应的分布矩阵D
x
，D
y
，D
z
；分别根据所述分布矩阵D
x
，D
y
，D
z
获得对应的中心矩μ
mn
和香农熵e；分别根据所述中心矩μ
mn
和香农熵e获得对应三个三维坐标轴的子特征描述符f
x
(θ
k
)，f
y
(θ
k
)，f
z
(θ
k
)；将子特征描述符f
x
(θ
k
)，f
y
(θ
k
)，f
z
(θ
k
)进行聚合，得到局部特征描述符f；所述第一MLP层用于根据所述局部特征描述符f对所述第一变换层输出的关键点云数据集进行升维操作；所述第二变换层用于对所述第一MLP层输出的关键点云数据集进行对齐操作；所述第二MLP层用于对所述第二变换层输出的关键点云数据集进行升维操作；所述池化层用于对所述第二MLP层输出的关键点云数据集进行最大池化操作，得到所述局部
‑
全局人脸特征；将所述局部
‑
全局人脸特征与一候选人脸的人脸特征进行相似性度量，得到相似性度量值，根据所述相似性度量值判断待识别的三维人脸点云数据是否为该候选人脸。2.根据权利要求1所述的方法，其特征在于，获取待识别的三维人脸点云数据后，还包括步骤：对所述待识别的三维人脸点云数据进行水平切片，得到多个水平轮廓图；针对每一所述水平轮廓图，在水平轮廓边线上放置若干探测点，以每一探测点为圆心设一探测圆，获取所述探测圆与所述水平轮廓边线的两个交点到对应探测点的探测距离，确定最大的所述探测距离对应的所述探测点为鼻尖候选点；确定所述探测距离最大的鼻尖候选点为鼻尖点；计算所述待识别的三维人脸点云数据中每一数据点与所述鼻尖点的距离，裁除距离大于预设距离的所述数据点。3.根据权利要求1所述的方法，其特征在于，获取待识别的三维人脸点云数据后，还包括步骤：针对所述待识别的三维人脸点云数据中的每一数据点，获取同一领域内的数据点的中值坐标，将该数据点的坐标替换为该中值坐标。4.根据权利要求3所述的方法，其特征在于：针对所述待识别的三维人脸点云数据中的每一数据点，获取同一领域内的数据点的中值坐标，将该数据点的坐标替换为该中值坐标后，还包括步骤：通过三次插值对所述待识别的三维人脸点云数据进行缺孔的填充。
5.根据权利要求1所述的方法，其特征在于，获取待识别的三维人脸点云数据后，还包括步骤：获取所述待识别的...

【专利技术属性】
技术研发人员：曹一波，刘顺，
申请(专利权)人：华南师范大学，
类型：发明
国别省市：