一种三维固态面阵激光雷达人脸识别装置的制作方法

本实用新型属于测量技术领域，尤其涉及一种三维固态面阵激光雷达人脸识别装置。

背景技术：

随着各个领域对人脸识别是需求，人脸识别技术在近几十年来得到了大量的研究，取得了丰富的成果。现有大部分研究均集中于基于二维图像的人脸识别，而二维图像对光照、姿态等变化适应性较差。随着三维图像获取设备的逐步推广，越来越多的研究开始转向基于三维图像的三维人脸识别。三维人脸数据在信息量方面拥有更为丰富的形状信息，且三维数据的采集不受光照影响。但是目前的三维图像获取设备都需要两个摄像头，一个用于获取彩色图像，另一个用于获取深度图像，因此其体积较大且成本较高。

另外，全局特征和局部特征在现有的人脸识别中得到了广泛应用。其中基于全局特征的人脸识别方法主要利用人脸的整体属性进行描述，对于正常的人脸表情识别精度较高，但对于表情变化的人脸，识别精度不理想；基于局部特征的人脸识别方法主要是通过对人脸细节的刻画来进行识别，对表情变化具有一定的鲁棒性，但由于缺少全局的结构信息，很难满足人脸识别的精度要求。近几年，研究人员也对二维和三维人脸识别的融合进行了研究，融合方法比单一方法采用的信息量更多，目前多数融合方法是通过单一的全局特征或局部特征分别进行二维人脸分类和三维人脸分类得到各自的得分，然后进行得分融合，没有全面考虑全局特征和局部特征的融合，以至于识别效果较差。

技术实现要素：

有鉴于此，本实用新型提供了一种三维固态面阵激光雷达人脸识别装置，能够快速实现高精度远距离的激光雷达标定，并且标定装置小型化。

为实现上述目的，本实用新型的技术方案如下：

本实用新型的一种三维固态面阵激光雷达人脸识别装置，包括光源驱动模块、激光发射模块、激光接收透镜组、集成CMOS光电处理器、信号处理模块以及后台处理器；

其中，所述光源驱动模块用于驱动激光发射模块发射调制激光；

激光接收透镜组接收到反射回的激光信号并将信号传输至光电处理器；

光电处理器对接收到的信号进行解调并计算得到激光雷达与人脸目标的距离信息；在激光发射模块不发射激光的情况下，通过感应自然光生成人脸目标的灰度图像；

信号处理模块对光电处理器得到的距离信息进行处理得到人脸目标的深度图像；

后台处理器用于对人脸目标的灰度图像和深度图像进行融合，通过对融合后的值进行判别，实现人脸识别。

其中，所述激光发射模块为一个面阵激光发射器，视场角为60°×45°，所述激光接收透镜组视场角为60°×45°。

其中，激光接收透镜组包括6个透镜和1个滤光片，滤光片固定在接收透镜组的底部，允许波长与激光发射模块发射波长一致。

其中，接收透镜组透镜上镀有与激光发射模块发射波长一致的增透膜。

其中，所述激光发射模块发射波长为850nm。

有益效果：

本实用新型的人脸识别装置利用激光接收透镜组和光电处理器获得目标的距离信息即深度图像，也利用同样的激光接收透镜组，基于光电处理器的感光元件获得灰度图像，只利用一套图像获取设备获得目标的深度图像和灰度图像，无需两个摄像头，设备简单、成本低。另外相对于现有的单摄像头人脸识别装置，本实用新型不是单纯的针对灰度图像，通过结合人脸目标的深度图像，实现人脸目标灰度图像和深度图像的融合，提高了识别的精度，满足现阶段人脸识别的精度要求。

本实用新型目标灰度图像和深度图像的融合基于LBP和PCA算法，全面考虑全局特征和局部特征的融合，实现准确的识别效果。

附图说明

图1为本实用新型一种三维固态面阵激光雷达人脸识别装置示意图。

图2为本实用新型一种三维固态面阵激光雷达人脸识别方法流程图。

图3为本实用新型LBP和PCA双模态融合算法流程图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。

本实用新型的三维固态面阵激光雷达人脸识别装置如图1所示，包括光源驱动模块1、激光发射模块2、激光接收透镜组3、集成CMOS光电处理器4、信号处理模块5以及后台处理器6；

其中，所述光源驱动模块1用于驱动激光发射模块2发射调制激光；

激光接收透镜组3接收到反射回的激光信号并将信号传输至光电处理器4；

光电处理器4对接收到的信号进行解调并计算得到激光雷达与人脸目标的距离信息，在驱动激光发射模块2不发射激光的情况下生成人脸目标的灰度图像；

信号处理模块5对光电处理器4得到的距离信息进行处理得到人脸目标的深度图像；

后台处理器6用于对人脸目标的灰度图像和深度图像进行融合，通过对融合后的值进行判别，实现人脸识别。具体识别方法为：设定阈值a，如融合后的值与各个人脸样本的匹配值均小于a，则认为该人脸不在人脸样本集中。如融合后的值存在大于或等于a的值，则认为匹配值的最大值对应的人脸样本与人脸目标相匹配，完成人脸识别。

为了实现器件小型化，所述光电处理器4可以采用集成CMOS光电处理器。为了进一步提高信号接收的效果，激光发射模块为一个面阵激光发射器，视场角为60°×45°，激光接收透镜组视场角为60°×45°；激光接收透镜组包括6个透镜和1个滤光片，滤光片固定在接收透镜组的底部，允许波长在850nm左右的激光通过，接收透镜组透镜上镀有850nm增透膜。

本申请实施例提供了一种三维固态面阵激光雷达人脸识别方法。参见图2，包括以下步骤：

步骤1，光电处理器在激光发射模块不发射激光的情况下生成人脸目标的灰度图像；

步骤2，光源驱动模块驱动激光发射模块发射调制激光，激光接收透镜组接收到经人脸目标反射和散射回的激光信号，并将信号传输至光电处理器，光电处理器对接收到的信号进行解调并计算得到激光雷达与人脸目标的距离信息；信号处理模块对距离信息进行处理得到深度图像；

步骤3，后台处理器获得待识别图像与人脸灰度图像和深度图像模板的匹配得分，对灰度图像和深度图像的匹配得分进行加权融合，通过对融合后的值进行判别，实现人脸识别。

其中，所述步骤3中，采用LBP和PCA双模态融合算法对人脸目标的灰度图像和深度图像进行融合方式为：对人脸目标的灰度图像和深度图像样本分别进行LBP局部二进制编码，得到灰度图像和深度图像各自的人脸模板组；采用PCA特征提取算法分别对人脸模板组进行特征提取，按照由大到小的顺序取前k个特征值对应的特征向量作为主成分，k≥60；基于主成分通过最近邻算法计算待识别图像与人脸模板之间的匹配得分；将匹配得分进行归一化；对灰度图像和深度图像的匹配得分进行加权融合。

其中，所述待识别图像与人脸灰度图像模板的匹配得分获取方式包括如下子步骤：

步骤31，获得N个人脸目标的灰度图像，针对灰度图像样本集中的每个样本以及待识别图像，采用3*3的宫格表示9个像素，将中间宫格的像素值与周围的8个宫格的像素值分别进行比较，如果周围的宫格像素值大于或等于该像素值则将周围宫格的像素值赋值为1，否则赋值为0，之后将这8个数值顺时针排列成的二进制数转换成十进制数作为中间像素新的像素值，滑动3*3的宫格对其他像素点进行赋值，进而得到整个图像的LBP编码；

针对灰度图像样本集，获得N个样本的LBP编码图像；

针对待识别图像，获得其LBP编码图像；

步骤32，获得N个样本LBP编码图像的平均向量为第i个样本的LBP编码图像的向量为Ai，对应协方差矩阵为：

其中，i＝1,2,…,N，上标T表示转置；

步骤33，将所述协方差矩阵的特征值按从大到小排序，取前k个较大特征值对应的特征向量(x1,x2,...,xk)，构成主成分X：

X＝(x1,x2,...,xk)，其中k≥60；

步骤34，对于第i个样本的LBP编码图像，其投影系数向量Bi为：

对于待识别图像的LBP编码图像，其投影系数向量为：

其中P为待识别图像LBP编码图像的向量；

步骤35，采用最近邻法进行判别，通过Q与Bi之间的欧式距离来进行匹配得分；重复执行步骤32-35，遍历所样本的LBP编码图像，得到待识别图像与所有样本的匹配得分；

步骤36，将步骤35得到的匹配得分进行归一化：

其中，Sgray表示灰度图得到的匹配得分归一化后的数值，Sdepth表示深度图得到的匹配得分归一化后的数值。

采用所述待识别图像与人脸灰度图像模板的匹配得分获取方式同样的方式，得到所述待识别图像与人脸深度图像模板的匹配得分。

匹配得分归一化后，匹配得分数值都在[0,1]之间，为了融合灰度图和深度图两个不同分类器的归一化匹配得分，采用带权重的得分相加的方法来实现，即：

Sfusion＝ω×Sgray+(1-ω)×Sdepth

其中，Sfusion是加权融合后的得分，通过对Sfusion进行判别，实现人脸识别。

本实用新型还可有其他多种实施例，在不背离本实用新型精神及其实质的情况下，熟悉本领域的技术人员当可根据本实用新型作出各种相应的改变和变形，但这些相应的改变和变形都应属于本实用新型所附的权利要求的保护范围。