1.一种用于识别人脸的系统,包括:
光源发生模块,对被测的人脸依次发射至少一组有结构的光线,所述光源发生模块包括第一组光源、第二组光源和第三组光源中的至少一组;
图像采集模块,采集所述人脸在依次经受所述至少一组有结构的光线中的每一组光线的照射时的有光源图像集;
处理器;
存储器;和
存储在所述存储器中的计算机程序指令,在所述计算机程序指令被所述处理器运行时执行以下步骤:
基于所述有光源图像集,提取由所述人脸的被测点集中的每个被测点的特征所组成的第一特征集,其中,每个被测点的特征包括表示所述被测点的三维相对坐标的位置信息、表示所述被测点的相对表面法向的表面信息、以及表示所述被测点的光线吸收特性的材质信息中的至少一个;
获取由人脸模板的测定点集中的每个测定点的特征所组成的第二特征集;
基于所述第一特征集和所述第二特征集,计算所述人脸与所述人脸模板之间的相似度;以及
如果所述相似度大于阈值,则将所述人脸识别为与所述人脸模板相一致,
其中,所述至少一组有结构的光线包括由所述第一组光源中的激光器发射的第一组光线、由所述第二组光源中的每个光源依次发射的光线所形成的第二组光线、以及由所述第三组光源中的每个光源依次发射的光线所形成的第三组光线中的至少之一;
提取由所述人脸的被测点集中的每个被测点的特征所组成的第一特征集包括以下至少之一:
基于所述人脸在经受所述第一组光线的照射时所采集的第一有光源图像,提取每个被测点的位置信息;
基于所述人脸在依次经受所述第二组光线中的各束光线的照射时所采集的第二组有光源图像,提取每个被测点的表面信息;以及
基于所述人脸在依次经受所述第三组光线中的各束光线的照射时所采集的第三组有光源图像,提取每个被测点的材质信息。
2.如权利要求1所述的系统,其中,
所述第一组光源包括激光器,所述激光器与所述人脸之间布置预定图案的光栅;
所述第二组光源包括三个以上的光源,所述三个以上的光源中的至少三个光源照射所述人脸的方向非线性相关;
所述第三组光源包括在空间上紧邻布置的三个以上的光源。
3.如权利要求2所述的系统,其中,提取每个被测点的位置信息包括:
计算所述第一有光源图像的方向梯度,以确定所述第一有光源图像中与所述光栅的预定点相对应的像素点;
计算与所述像素点对应的被测点相对于所述图像采集模块的三维坐标,并由此确定由所述被测点集中所有被测点的三维坐标组成的三维坐标集;
基于所述三维坐标集确定所述被测点集中的特定被测点,并计算所述被测点集中其他被测点相对于所述特定被测点的三维相对坐标,以获得由被测点集中所有被测点的三维相对坐标所组成的三列矩阵;以及
对所述三列矩阵进行奇异值分解处理和归一化处理,以获得每个被测点的位置信息。
4.如权利要求1所述的系统,其中,提取每个被测点的表面信息包括:
计算所述第二组有光源图像的均值图像;
计算所述第二组有光源图像与所述均值图像之间的差分图像集;
确定由所述被测点集中每个被测点的至少四维向量构成的至少四列矩阵,其中,所述每个被测点的至少四维向量由与所述被测点对应的像素点在所述差分图像集中相应的像素值所组成;
对所述至少四列矩阵进行奇异值分解处理;以及
基于所述奇异值分解处理的结果,获得每个被测点的表面信息。
5.如权利要求1所述的系统,其中,提取每个被测点的材质信息包括:
对于每个被测点,确定所述被测点在所述第三组有光源图像中相应的像素值集;
计算所述像素值集的平均值和方差;以及
基于所述像素值集的平均值和方差,计算所述被测点的材质信息。
6.如权利要求2所述的系统,所述图像采集模块还采集所述人脸在未接受所述至少一组有结构的光线中的任一组光线的照射时的无光源图像;
其中,提取由所述人脸的被测点集中的每个被测点的特征所组成的第一特征集包括以下至少之一:
基于所述无光源图像以及所述人脸在经受所述第一组光线的照射时所采集的第一有光源图像,提取每个被测点的位置信息;
基于所述无光源图像以及所述人脸在依次经受所述第二组光线中的各束光线的照射时所采集的第二组有光源图像,提取每个被测点的表面信息;以及
基于所述无光源图像以及所述人脸在依次经受所述第三组光线中的各束光线的照射时所采集的第三组有光源图像,提取每个被测点的材质信息。
7.如权利要求6所述的系统,其中,提取每个被测点的位置信息包括:
计算所述第一有光源图像与所述无光源图像之间的差分图像;
计算所述差分图像的方向梯度,以确定所述差分图像中与所述光栅的预定点相对应的像素点;
计算与所述像素点对应的被测点相对于所述图像采集模块的三维坐标,并由此确定由所述被测点集中所有被测点的三维坐标组成的三维坐标集;
基于所述三维坐标集确定所述被测点集中的特定被测点,并计算所述被测点集中其他被测点相对于所述特定被测点的三维相对坐标,以获得由被测点集中所有被测点的三维相对坐标所组成的三列矩阵;以及
对所述三列矩阵进行奇异值分解处理和归一化处理,以获得每个被测点的位置信息。
8.如权利要求6所述的系统,其中,提取每个被测点的表面信息包括:
计算所述第二组有光源图像与所述无光源图像之间的差分图像集;
确定由所述被测点集中每个被测点的至少四维向量构成的至少四列矩阵,其中,所述每个被测点的至少四维向量由与所述被测点对应的像素点在所述差分图像集中相应的像素值所组成;
对所述至少四列矩阵进行奇异值分解处理;以及
基于所述奇异值分解处理的结果,获得每个被测点的表面信息。
9.如权利要求6所述的系统,其中,提取每个被测点的材质信息包括:
计算所述第三组有光源图像与所述无光源图像之间的差分图像集;
对于每个被测点,确定所述被测点在所述差分图像集中相应的像素值集;
计算所述像素值集的平均值和方差;以及
基于所述像素值集的平均值和方差,计算所述被测点的材质信息。
10.如权利要求1所述的系统,其中,计算所述人脸与所述人脸模板之间的相似度包括:
对于所述被测点集中的每个被测点,确定所述人脸模板的测定点集中的对应点;
计算所述被测点的特征与所述对应点的特征之间的差值,以获得被测点集中所有被测点与相应的对应点之间的差值集;以及
基于所述差值集,使用预先训练的神经网络来计算所述人脸与所述人脸模板之间的相似度。
11.如权利要求10所述的系统,其中,确定所述人脸模板的测定点集中的对应点包括:
检测所述有光源图像集的任一有光源图像中表示所述人脸的结构信息的第一关键点集;
获取所述人脸模板中表示所述人脸模板的结构信息的第二关键点集;
基于所述第一关键点集和所述第二关键点集,对于每个被测点确定所述对应点。
12.如权利要求1所述的系统,其中,计算所述人脸与所述人脸模板之间的相似度包括:
对于所述测定点集中的每个测定点,确定所述人脸的被测点集中的对应点;
计算所述测定点的特征与所述对应点的特征之间的差值,以获得测定点集中所有测定点与相应的对应点之间的差值集;以及
基于所述差值集,使用预先训练的神经网络来计算所述人脸与所述人脸模板之间的相似度。
13.如权利要求1所述的系统,其中,提取由所述人脸的被测点集中的每个被测点的特征所组成的第一特征集包括:
检测所述有光源图像集中的每个有光源图像的人脸区域图像;以及
基于所检测的每个有光源图像中的人脸区域图像,提取所述第一特征集。
14.一种用于识别人脸的方法,包括:
对被测的人脸依次发射至少一组有结构的光线;
采集所述人脸在依次经受所述至少一组有结构的光线中的每一组光线的照射时的有光源图像集;
基于所述有光源图像集,提取由所述人脸的被测点集中的每个被测点的特征所组成的第一特征集,其中,每个被测点的特征包括表示所述被测点的三维相对坐标的位置信息、表示所述被测点的相对表面法向的表面信息、以及表示所述被测点的光线吸收特性的材质信息中的至少一个;
获取由人脸模板的测定点集中的每个测定点的特征所组成的第二特征集;
基于所述第一特征集和所述第二特征集,计算所述人脸与所述人脸模板之间的相似度;以及
如果所述相似度大于阈值,则将所述人脸识别为与所述人脸模板相一致,
其中,所述至少一组有结构的光线包括由第一组光源中的激光器发射的第一组光线、由第二组光源中的每个光源依次发射的光线所形成的第二组光线、以及由第三组光源中的每个光源依次发射的光线所形成的第三组光线中的至少之一;
提取由所述人脸的被测点集中的每个被测点的特征所组成的第一特征集包括以下至少之一:
基于所述人脸在经受第一组光线的照射时所采集的第一有光源图像,提取每个被测点的位置信息;
基于所述人脸在依次经受第二组光线中的各束光线的照射时所采集的第二组有光源图像,提取每个被测点的表面信息;以及
基于所述人脸在依次经受第三组光线中的各束光线的照射时所采集的第三组有光源图像,提取每个被测点的材质信息。
15.如权利要求14所述的方法,其中,所述激光器与所述人脸之间布置预定图案的光栅;
所述第二组光源包括三个以上的光源,所述三个以上的光源中的至少三个光源照射所述人脸的方向非线性相关;以及
所述第三组光源包括在空间上紧邻布置的三个以上的光源。
16.如权利要求15所述的方法,还包括:
采集所述人脸在未接受所述至少一组有结构的光线中的任一组光线的照射时的无光源图像;
其中,提取由所述人脸的被测点集中的每个被测点的特征所组成的第一特征集包括以下至少之一:
基于所述无光源图像以及所述人脸在经受所述第一组光线的照射时所采集的第一有光源图像,提取每个被测点的位置信息;
基于所述无光源图像以及所述人脸在依次经受所述第二组光线中的各束光线的照射时所采集的第二组有光源图像,提取每个被测点的表面信息;以及
基于所述无光源图像以及所述人脸在依次经受所述第三组光线中的各束光线的照射时所采集的第三组有光源图像,提取每个被测点的材质信息。
17.一种用于识别人脸的装置,包括:
光源发生模块,对待识别的人脸依次发射至少一组有结构的光线,所述光源发生模块包括第一组光源、第二组光源和第三组光源中的至少一组;
图像采集模块,采集所述人脸在依次经受所述至少一组有结构的光线中的每一组光线的照射时的有光源图像集;以及
发送模块,将所述有光源图像集发送至与所述装置可通信地连接的计算机,
其中,所述至少一组有结构的光线包括由所述第一组光源中的激光器发射的第一组光线、由所述第二组光源中的每个光源依次发射的光线所形成的第二组光线、以及由所述第三组光源中的每个光源依次发射的光线所形成的第三组光线中的至少之一;
提取由所述人脸的被测点集中的每个被测点的特征所组成的第一特征集包括以下至少之一:
基于所述人脸在经受所述第一组光线的照射时所采集的第一有光源图像,提取每个被测点的位置信息;
基于所述人脸在依次经受所述第二组光线中的各束光线的照射时所采集的第二组有光源图像,提取每个被测点的表面信息;以及
基于所述人脸在依次经受所述第三组光线中的各束光线的照射时所采集的第三组有光源图像,提取每个被测点的材质信息。
18.如权利要求17所述的装置,其中,所述计算机包括:
接收模块,从所述装置接收所述有光源图像集;
处理器;
存储器;
存储在所述存储器中的计算机程序指令,在所述计算机程序指令被所述处理器运行时执行以下步骤:
基于所述有光源图像集,提取表示所述人脸的被测点集的特征的第一特征集;
获取表示人脸模板的被测点集的特征的第二特征集;
基于所述第一特征集和所述第二特征集,计算所述人脸与所述人脸模板之间的相似度;以及
如果所述相似度大于阈值,则将所述人脸识别为与所述人脸模板相一致;以及
发送模块,将所述人脸的识别结果发送至识别结果接收模块。
19.一种计算机可读存储介质,在所述计算机可读存储介质上存储了计算机程序指令,所述计算机程序指令在被计算机运行时执行以下步骤:
基于被测的人脸在依次经受至少一组有结构的光线中的每一组光线的照射时所采集的有光源图像集,提取由所述人脸的被测点集中的每个被测点的特征所组成的第一特征集,其中,每个被测点的特征包括表示所述被测点的三维相对坐标的位置信息、表示所述被测点的相对表面法向的表面信息、以及表示所述被测点的光线吸收特性的材质信息中的至少一个;
获取由人脸模板的测定点集中的每个测定点的特征所组成的第二特征集;
基于所述第一特征集和所述第二特征集,计算所述人脸与所述人脸模板之间的相似度;以及
如果所述相似度大于阈值,则将所述人脸识别为与所述人脸模板相一致,
其中,所述至少一组有结构的光线包括由第一组光源中的激光器发射的第一组光线、由第二组光源中的每个光源依次发射的光线所形成的第二组光线、以及由第三组光源中的每个光源依次发射的光线所形成的第三组光线中的至少之一;
提取由所述人脸的被测点集中的每个被测点的特征所组成的第一特征集包括以下至少之一:
基于所述人脸在经受所述第一组光线的照射时所采集的第一有光源图像,提取每个被测点的位置信息;
基于所述人脸在依次经受所述第二组光线中的各束光线的照射时所采集的第二组有光源图像,提取每个被测点的表面信息;以及
基于所述人脸在依次经受所述第三组光线中的各束光线的照射时所采集的第三组有光源图像,提取每个被测点的材质信息。
20.一种用于识别人脸的设备,包括:
光源发生模块,对被测的人脸依次发射至少一组有结构的光线,所述光源发生模块包括第一组光源、第二组光源和第三组光源中的至少一组;
图像采集模块,采集所述人脸在依次经受所述至少一组有结构的光线中的每一组光线的照射时的有光源图像集;
提取模块,基于所述有光源图像集,提取由所述人脸的被测点集中的每个被测点的特征所组成的第一特征集,其中,每个被测点的特征包括表示所述被测点的三维相对坐标的位置信息、表示所述被测点的相对表面法向的表面信息、以及表示所述被测点的光线吸收特性的材质信息中的至少一个;
获取模块,获取由人脸模板的测定点集中的每个测定点的特征所组成的第二特征集;
计算模块,基于所述第一特征集和所述第二特征集,计算所述人脸与所述人脸模板之间的相似度;以及
识别模块,如果所述相似度大于阈值,则将所述人脸识别为与所述人脸模板相一致,
其中,所述至少一组有结构的光线包括由所述第一组光源中的激光器发射的第一组光线、由所述第二组光源中的每个光源依次发射的光线所形成的第二组光线、以及由所述第三组光源中的每个光源依次发射的光线所形成的第三组光线中的至少之一;
所述提取模块被配置为执行以下操作中的至少之一:
基于所述人脸在经受所述第一组光线的照射时所采集的第一有光源图像,提取每个被测点的位置信息;
基于所述人脸在依次经受所述第二组光线中的各束光线的照射时所采集的第二组有光源图像,提取每个被测点的表面信息;以及
基于所述人脸在依次经受所述第三组光线中的各束光线的照射时所采集的第三组有光源图像,提取每个被测点的材质信息。
21.如权利要求20所述的设备,其中,
所述第一组光源包括激光器,所述激光器与所述人脸之间布置预定图案的光栅;
所述第二组光源包括三个以上的光源,所述三个以上的光源中的至少三个光源照射所述人脸的方向非线性相关;
所述第三组光源包括在空间上紧邻布置的三个以上的光源。
22.如权利要求21所述的设备,其中,所述提取模块被配置为:
计算所述第一有光源图像的方向梯度,以确定所述第一有光源图像中与所述光栅的预定点相对应的像素点;
计算与所述像素点对应的被测点相对于所述图像采集模块的三维坐标,并由此确定由所述被测点集中所有被测点的三维坐标组成的三维坐标集;
基于所述三维坐标集确定所述被测点集中的特定被测点,并计算所述被测点集中其他被测点相对于所述特定被测点的三维相对坐标,以获得由被测点集中所有被测点的三维相对坐标所组成的三列矩阵;以及
对所述三列矩阵进行奇异值分解处理和归一化处理,以获得每个被测点的位置信息。
23.如权利要求20所述的设备,其中,所述提取模块被配置为:
计算所述第二组有光源图像的均值图像;
计算所述第二组有光源图像与所述均值图像之间的差分图像集;
确定由所述被测点集中每个被测点的至少四维向量构成的至少四列矩阵,其中,所述每个被测点的至少四维向量由与所述被测点对应的像素点在所述差分图像集中相应的像素值所组成;
对所述至少四列矩阵进行奇异值分解处理;以及
基于所述奇异值分解处理的结果,获得每个被测点的表面信息。
24.如权利要求20所述的设备,其中,所述提取模块被配置为:
对于每个被测点,确定所述被测点在所述第三组有光源图像中相应的像素值集;
计算所述像素值集的平均值和方差;以及
基于所述像素值集的平均值和方差,计算所述被测点的材质信息。
25.如权利要求21所述的设备,所述图像采集模块还采集所述人脸在未接受所述至少一组有结构的光线中的任一组光线的照射时的无光源图像;
其中,所述提取模块被配置为执行以下操作中的至少之一:
基于所述无光源图像以及所述人脸在经受所述第一组光线的照射时所采集的第一有光源图像,提取每个被测点的位置信息;
基于所述无光源图像以及所述人脸在依次经受所述第二组光线中的各束光线的照射时所采集的第二组有光源图像,提取每个被测点的表面信息;以及
基于所述无光源图像以及所述人脸在依次经受所述第三组光线中的各束光线的照射时所采集的第三组有光源图像,提取每个被测点的材质信息。
26.如权利要求25所述的设备,其中,所述提取模块被配置为:
计算所述第一有光源图像与所述无光源图像之间的差分图像;
计算所述差分图像的方向梯度,以确定所述差分图像中与所述光栅的预定点相对应的像素点;
计算与所述像素点对应的被测点相对于所述图像采集模块的三维坐标,并由此确定由所述被测点集中所有被测点的三维坐标组成的三维坐标集;
基于所述三维坐标集确定所述被测点集中的特定被测点,并计算所述被测点集中其他被测点相对于所述特定被测点的三维相对坐标,以获得由被测点集中所有被测点的三维相对坐标所组成的三列矩阵;以及
对所述三列矩阵进行奇异值分解处理和归一化处理,以获得每个被测点的位置信息。
27.如权利要求25所述的设备,其中,所述提取模块被配置为:
计算所述第二组有光源图像与所述无光源图像之间的差分图像集;
确定由所述被测点集中每个被测点的至少四维向量构成的至少四列矩阵,其中,所述每个被测点的至少四维向量由与所述被测点对应的像素点在所述差分图像集中相应的像素值所组成;
对所述至少四列矩阵进行奇异值分解处理;以及
基于所述奇异值分解处理的结果,获得每个被测点的表面信息。
28.如权利要求25所述的设备,其中,所述提取模块被配置为:
计算所述第三组有光源图像与所述无光源图像之间的差分图像集;
对于每个被测点,确定所述被测点在所述差分图像集中相应的像素值集;
计算所述像素值集的平均值和方差;以及
基于所述像素值集的平均值和方差,计算所述被测点的材质信息。
29.如权利要求20所述的设备,其中,所述计算模块包括:
对应点确定模块,对于所述被测点集中的每个被测点,确定所述人脸模板的测定点集中的对应点;
差值计算模块,计算所述被测点的特征与所述对应点的特征之间的差值,以获得被测点集中所有被测点与相应的对应点之间的差值集;以及
相似度计算模块,基于所述差值集,使用预先训练的神经网络来计算所述人脸与所述人脸模板之间的相似度。
30.如权利要求29所述的设备,其中,所述对应点确定模块包括:
关键点检测模块,检测所述有光源图像集的任一有光源图像中表示所述人脸的结构信息的第一关键点集;
关键点获取模块,获取所述人脸模板中表示所述人脸模板的结构信息的第二关键点集;
对应点确定子单元,基于所述第一关键点集和所述第二关键点集,对于每个被测点确定所述对应点。
31.如权利要求20所述的设备,其中,所述计算模块包括:
对应点确定模块,对于所述测定点集中的每个测定点,确定所述人脸的被测点集中的对应点;
差值计算模块,计算所述测定点的特征与所述对应点的特征之间的差值,以获得测定点集中所有测定点与相应的对应点之间的差值集;以及
相似度计算模块,基于所述差值集,使用预先训练的神经网络来计算所述人脸与所述人脸模板之间的相似度。
32.如权利要求20所述的设备,其中,所述提取模块包括:
人脸检测模块,检测所述有光源图像集中的每个有光源图像的人脸区域图像;以及
子提取单元,基于所检测的每个有光源图像中的人脸区域图像,提取所述第一特征集。