本发明涉及一种基于3D摄像的训练方法及装置。
背景技术：
人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。
人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、德国和日本的技术实现为主；人脸识别系统成功的关键在于是否拥有尖端的核心算法，并使识别结果具有实用化的识别率和识别速度；“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的理论与实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱人工智能向强人工智能的转化。
现有技术中，通过人脸识别的模型训练数据样本难以获取，人脸识别的准确率较低。
技术实现要素：
本发明要解决的技术问题是为了克服现有技术中模型训练数据样本难以获取，人脸识别的准确率较低的缺陷，提供一种能够使数据样本尽可能大、数据多样化，数据样本质量较高，从而能够大幅度优化人脸识别准确度的基于3D摄像的训练方法及装置。
本发明是通过下述技术方案来解决上述技术问题：
一种基于3D摄像的训练方法，其特点在于，所述基于3D摄像的训练方法包括：
获取一头像的3D模型；
根据所述3D模型生成一2D图片库；
利用所述2D图片库做所述头像的模型训练。
较佳地，所述根据所述3D模型生成一2D图片库包括：
将所述3D模型投影到空间中的单位平面上以获取所述2D图片库。
较佳地，对于任意一个单位平面，所述将所述3D模型投影到空间中的单位平面上以获取所述2D图片库包括：
所述3D模型的像素点均设于所述单位平面的一侧；
所述像素点根据距离所述单位平面的距离由小到大的顺序，覆盖到所述目标平面上的垂直落点上。
较佳地，所述将所述3D模型投影到空间中的单位平面上以获取所述2D图片库包括：
在空间中选取一轴线；
当预设角度每增大第一单位角度时，将与所述轴线夹角为预设角度的平面旋转一周，每旋转第二单位角度则获得一所述单位平面，所述预设角度的取值范围为[0，90]。
较佳地，所述获取一头像的3D模型包括：
获取一头像的3D模型；
在所述3D模型上添加一3D遮挡物；
所述利用所述2D图片库做所述头像的模型训练包括：
识别所述2D图片库中图片中的皮肤及毛发区域；
利用2D图片库中识别完皮肤及毛发区域的图片做所述模型训练。
一种基于3D摄像的训练装置，其特点在于，所述训练装置包括一获取模块、一生成模块以及一训练模块，
所述获取模块用于获取一头像的3D模型；
所述生成模块用于根据所述3D模型生成一2D图片库；
所述训练模块用于利用所述2D图片库做所述头像的模型训练。
较佳地，所述训练装置包括一投影模块，
所述投影模块用于将所述3D模型投影到空间中的单位平面上以获取所述2D图片库。
较佳地，所述训练装置包括一设置模块以及一覆盖装置，
对于任意一个单位平面，所述设置模块用于将所述3D模型的像素点均设于所述单位平面的一侧；
覆盖模块用于将所述像素点根据距离所述单位平面的距离由小到大的顺序，覆盖到所述目标平面上的垂直落点上。
较佳地，所述训练装置还包括一选取模块以及一处理模块，
所述选取模块用于在空间中选取一轴线；
所述处理模块当预设角度每增大第一单位角度时，将与所述轴线夹角为预设角度的平面旋转一周，每旋转第二单位角度则获得一所述单位平面，所述预设角度的取值范围为[0，90]。
较佳地，所述训练装置还包括一添加模块及一识别模块，
所述添加模块用于在所述3D模型上添加一3D遮挡物；
所述识别模块用于识别所述2D图片库中图片中的皮肤及毛发区域；
所述训练模块用于利用2D图片库中识别完皮肤及毛发区域的图片做所述模型训练。
在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本发明各较佳实例。
本发明的积极进步效果在于：本发明的训练方法及装置能够使数据样本尽可能大、数据多样化，数据样本质量较高，从而能够大幅度优化人脸识别的准确度。
附图说明
图1为本发明实施例1的训练方法的流程图。
具体实施方式
下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
实施例1
本实施例提供一种基于3D摄像的训练装置，所述训练装置为电脑。
所述训练装置包括一获取模块、一生成模块、一训练模块、一投影模块、一设置模块、一覆盖模块、一选取模块及一处理模块。
所述获取模块用于获取一头像的3D模型。
所述生成模块用于根据所述3D模型生成一2D图片库。
所述投影模块用于将所述3D模型投影到空间中的单位平面上以获取所述2D图片库。
具体来说，本实施例3D模型投影到单位平面上通过设置模块及覆盖模块实现。
对于任意一个单位平面，所述设置模块用于将所述3D模型的像素点均设于所述单位平面的一侧。
覆盖模块用于将所述像素点根据距离所述单位平面的距离由小到大的顺序，覆盖到所述目标平面上的垂直落点上。
通过在所述单位平面上的投影，能够获取各个角度的3D模型投影出来的2D影像，从而丰富数据样本的数量及种类。
本实施例通过所述选取模块及处理模块获得单位平面。
所述选取模块用于在空间中选取一轴线。
所述处理模块当预设角度每增大第一单位角度时，将与所述轴线夹角为预设角度的平面旋转一周，每旋转第二单位角度则获得一所述单位平面，所述预设角度的取值范围为[0，90]。
本实施例中，所述轴线为空间中的基准线，一平面通过所述轴线来确定各个角度的单位平面。
本实施例中第一单位角度和第二单位角度都是5度，那么一个3D模型在确定预设角度后平面旋转一周会获取72张图片，然后预设角度增大5度后，又会获取72张图片，从而共获得18*75+1张图片(预设角为90度时只有一个平面)。
所述训练模块用于利用所述2D图片库做所述头像的模型训练。
参见图1，利用所述训练装置，本实施例还提供一种训练方法。
所述训练方法包括：
步骤100、获取一头像的3D模型。
步骤101、在空间中选取一轴线。
步骤102、当预设角度每增大第一单位角度时，将与所述轴线夹角为预设角度的平面旋转一周，每旋转第二单位角度则获得一单位平面。
其中，所述预设角度的取值范围为[0，90]。
步骤103、对于任意一个单位平面，所述3D模型的像素点均设于所述单位平面的一侧。
步骤104、所述像素点根据距离所述单位平面的距离由小到大的顺序，覆盖到所述目标平面上的垂直落点上。
通过步骤103、104能够实现将所述3D模型投影到空间中的单位平面上以获取所述2D图片库。
步骤105、利用所述2D图片库做所述头像的模型训练。
本实施例的训练装置及训练方法能够使数据样本尽可能大、数据多样化，数据样本质量较高，从而能够大幅度优化人脸识别的准确度。
实施例2
本实施例与实施例1基本相同，不同之处仅在于：
本实施例的训练装置还包括一添加模块以及一识别模块。
所述添加模块用于在所述3D模型上添加一3D遮挡物；
所述识别模块用于识别所述2D图片库中图片中的皮肤及毛发区域；
所述训练模块用于利用2D图片库中识别完皮肤及毛发区域的图片做所述模型训练。
本实施例利用上述训练装置还提供一种训练方法，所述训练方法将实施例1中的步骤100细化为：获取一头像的3D模型；在所述3D模型上添加一3D遮挡物。
将步骤105细化为：所述识别模块用于识别所述2D图片库中图片中的皮肤及毛发区域；所述训练模块用于利用2D图片库中识别完皮肤及毛发区域的图片做所述模型训练。
本实施例的训练方法及装置还能够获得带有遮挡的数据样本，使得人脸识别能够识别更多类型的照片，所述遮挡包括眼镜、口罩、帽子等。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。