人脸认证装置和方法
【技术领域】
[0001]本申请涉及一种人脸认证装置和方法，更具体地讲，涉及一种结合姿态信息对人脸进行认证的人脸认证装置和方法。
【背景技术】
[0002]一个典型的人脸认证系统通常可包括三个部分，即:预处理(包括人脸检测、特征点定位以及人脸对齐)、人脸表达(包括特征抽取和特征选择)以及分类器。然而，在对人脸进行认证或识别时，在非受控条件下所采集人脸的姿态变化无法避免，这一问题也是当前人脸认证/识别的热点和难点。要想在变化姿态条件下取得良好的认证性能，就需要根据姿态变化的人脸图像的特点，对这三个部分分别作出针对性的处理，以尽可能消除姿态变化的影响。
[0003]现有技术大体采用三类方法来解决这一问题:第一类为姿态校正方法，即，对非正面人脸，通过图像变形来得到对应的正面人脸图像，其缺点是在图像变形的过程中难于保持身份信息；第二类为姿态鲁棒的特征抽取方法，这类方法大多在精确定位的脸部关键特征点附近抽取局部特征或直接将人脸分割为多个部件以抽取特征，其缺点是只能减弱姿态变化的副作用而不能完全消除该副作用；第三类为基于3D模型重建的方法，这类方法借助通用人脸3D模型，根据输入图像进行曲面拟合得到特定个体的3D模型，进而生成多个不同姿态的虚拟样本或直接进行3D形状匹配，其缺点包括:(1)特定个体3D模型的重建非常耗时；(2)当输入样本较少时，重建模型的真实性难于保证。
[0004]然而，如前所述，现有技术大都是在预处理及人脸表达这两个层级上作一些处理以尽可能消除姿态变化的影响。实际上，在现实应用条件下，现有技术并不能完全消除可能存在的大角度姿态变化所带来的副作用，这将导致最终输入分类器的图像对的相似度不仅与身份相关，而且与姿态相关(这里排除了表情、光照等因素的影响，因为现有的技术已经能较好的克服这些问题)。具体来说，同一个体相同姿态条件下的样本图像对相似度要高于同一个体不同姿态条件下的样本对相似度，如果不区分姿态情况而划定统一的判定阈值，无疑将带来较多的误判。因而，需要一种能够考虑样本图像对的姿态信息更准确地认证人脸图像的方法和装置，以获得最优的认证性能。
【发明内容】
[0005]根据本发明的一方面，提供了一种人脸认证装置，所述装置包括:人脸检测模块，用于从第一图像中检测第一人脸图像并从第二图像中检测第二人脸图像；人脸图像处理模块，用于对检测出的第一人脸图像和第二人脸图像进行处理，以分别估计第一人脸图像和第二人脸图像的姿态信息，并计算第一人脸图像与第二人脸图像之间的相似度；人脸认证模块，用于基于第一人脸图像和第二人脸图像之间的相似度、第一人脸图像的姿态信息和第二人脸图像的姿态信息来认证第一人脸图像和第二人脸图像是否属于同一对象。
[0006]所述人脸图像处理模块可包括:特征点定位模块，用于从第一人脸图像和第二人脸图像定位关键特征点；姿态估计模块，用于基于由特征点定位模块定位的第一人脸图像和第二人脸图像的关键特征点分别估计第一人脸图像和第二人脸图像的姿态信息；以及相似度计算模块，用于基于第一人脸图像和第二人脸图像的关键特征点对第一人脸图像和第二人脸图像进行人脸对齐，分别从对齐的第一人脸图像和第二人脸图像中提取并选择第一人脸图像的面部特征和第二人脸图像的面部特征，并使用所选择的第一人脸图像的面部特征和第二人脸图像的面部特征来计算第一人脸图像和第二人脸图像之间的相似度。
[0007]所述相似度计算模块可基于特征点定位模块定位的第一人脸图像和第二人脸图像的关键特征点，通过平移、旋转以及缩放中的至少一个来对第一人脸图像和第二人脸图像进行人脸对齐。
[0008]所述面部特征可以是人脸图像的物理特征、结构特征和数学特征中的至少一种。
[0009]所述相似度计算模块可使用FisherFace算法来进行面部特征的提取和选择。
[0010]所述关键特征点可以是眼部特征点，并且所述相似度计算模块可使用第一人脸图像的眼部特征点估计第一人脸图像的眼睛坐标、使用第二人脸图像的眼部特征点估计第二人脸图像的眼睛坐标，通过仿射变换将第一人脸图像和第二人脸图像的眼睛坐标变换至预定坐标位置，并将经过仿射变换的第一人脸图像和第二人脸图像修剪为预定尺寸，从而实现人脸对齐。
[0011 ] 可使用俯仰角、偏航角和翻滚角来表征人脸图像的姿态信息。
[0012]所述姿态估计模块可基于特征点定位模块定位的关键特征点，通过调整三维标注模型的姿态参数来对第一人脸图像和第二人脸图像进行最小均方误差匹配来分别计算第一人脸图像和第二人脸图像的俯仰角、偏航角和翻滚角。
[0013]所述人脸认证模块可基于第一人脸图像和第二人脸图像之间的相似度、第一人脸图像的姿态信息和第二人脸图像的姿态信息，使用分类器来确定第一人脸图像和第二人脸图像是否属于同一对象。
[0014]所述分类器可以是非线性分类器。
[0015]根据本发明的另一方面，提供了一种人脸认证方法，所述方法包括:从第一图像中检测第一人脸图像并从第二图像中检测第二人脸图像；对检测出的第一人脸图像和第二人脸图像进行处理，以分别估计第一人脸图像和第二人脸图像的姿态信息，并计算第一人脸图像与第二人脸图像之间的相似度；基于第一人脸图像和第二人脸图像之间的相似度、第一人脸图像的姿态信息和第二人脸图像的姿态信息来认证第一人脸图像和第二人脸图像是否属于同一对象。
[0016]对人脸图像进行处理的步骤可包括:从第一人脸图像和第二人脸图像定位关键特征点；基于定位的第一人脸图像和第二人脸图像的关键特征点分别估计第一人脸图像和第二人脸图像的姿态信息；以及基于第一人脸图像和第二人脸图像的关键特征点对第一人脸图像和第二人脸图像进行人脸对齐，分别从对齐的第一人脸图像和第二人脸图像中提取并选择第一人脸图像的面部特征和第二人脸图像的面部特征，并使用所选择的第一人脸图像的面部特征和第二人脸图像的面部特征来计算第一人脸图像和第二人脸图像之间的相似度。
[0017]可基于定位的第一人脸图像和第二人脸图像的关键特征点，通过平移、旋转以及缩放中的至少一个来对第一人脸图像和第二人脸图像进行人脸对齐。
[0018]所述面部特征可以是人脸图像的物理特征、结构特征和数学特征中的至少一种。
[0019]可使用FisherFace算法来进行面部特征的提取和选择。
[0020]所述关键特征点可以是眼部特征点，进行人脸对齐的步骤可包括:使用第一人脸图像的眼部特征点估计第一人脸图像的眼睛坐标、使用第二人脸图像的眼部特征点估计第二人脸图像的眼睛坐标，通过仿射变换将第一人脸图像和第二人脸图像的眼睛坐标变换至预定坐标位置，并将经过仿射变换的第一人脸图像和第二人脸图像修剪为预定尺寸，从而实现人脸对齐。
[0021 ] 可使用俯仰角、偏航角和翻滚角来表征人脸图像的姿态信息。
[0022]可基于定位的关键特征点，通过调整三维标注模型的姿态参数来对第一人脸图像和第二人脸图像进行最小均方误差匹配来分别计算第一人脸图像和第二人脸图像的俯仰角、偏航角和翻滚角。
[0023]可基于第一人脸图像和第二人脸图像之间的相似度、第一人脸图像的姿态信息和第二人脸图像的姿态信息，使用分类器来确定第一人脸图像和第二人脸图像是否属于同一对象。
[0024]所述分类器可以是非线性分类器。
[0025]有益效果
[0026]根据本发明的示例性实施例的人脸认证方法和装置能够考虑与身份无关的姿态信息，与现有的人脸认证方法进行结合来实现对人脸的更准确地认证，提升了人脸认证的准确度并且同时具有较高的计算效率。
【附图说明】
[0027]通过下面结合附图对本发明进行的详细描述，本发明的上述和其他目的和特点将会变得更加清楚，其中:
[0028]图1是示出根据本发明的示例性实施例的人脸认证装