识别模型更新方法、装置和终端设备与流程

本发明涉及信息处理技术领域，尤其涉及一种识别模型更新方法、装置和终端设备。

背景技术：

随着互联网技术的高速发展，利用生物特征对用户进行身份验证已经逐渐深入到人们日常生活当中。其中，生物特征是指唯一的可以测量或可自动识别和验证的生理特征或行为方式，例如指纹、掌型、视网膜、虹膜、声纹等。目前，主要是利用光的折射和反射原理，光从底部射向三棱镜，并经棱镜射出，射出的光线在手指表面指纹凹凸不平的线纹上折射的角度及反射回去的光线明暗就会不一样。光学器件收集到不同明暗程度的图像信息，从而完成指纹的采集。

但是，图像信息通常为二维图像，特征信息并不丰富，且识别验证用的样本特征固定不变，识别的准确率低，不够灵活。

技术实现要素：

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的一个目的在于提出一种识别模型更新方法、装置和终端设备，能够提高识别模型识别的准确率。

本发明实施例提供一种识别模型更新方法，包括：向用户人体投射结构光，并获取经过所述用户人体的结构光图像；根据所述结构光图像生成所述用户人体对应的三维模型；将所述三维模型与预设的三维模型样本进行匹配，如果匹配成功，则用户身份验证成功；将验证成功的三维模型与预设的三维模型样本进行特征融合，以对预设的三维模型样本进行更新。

本发明另一实施例提供一种识别模型更新装置，包括：获取模块，用于向用户人体投射结构光，并获取经过所述用户人体的结构光图像；生成模块，用于根据所述结构光图像生成所述用户人体对应的三维模型；验证模块，用于将所述三维模型与预设的三维模型样本进行匹配，如果匹配成功，则用户身份验证成功；更新模块，用于将验证成功的三维模型与预设的三维模型样本进行特征融合，以对预设的三维模型样本进行更新。

本发明还一实施例提供一种非临时性计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如本发明第一方面实施例所述的识别模型更新方法。

本发明又一实施例提供一种终端设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，本发明第一方面实施例所述的识别模型更新方法。

本发明实施例提供的技术方案可以包括以下有益效果：

向用户人体投射结构光，并获取经过所述用户人体的结构光图像，然后根据所述结构光图像生成所述用户人体对应的三维模型，并将所述三维模型与预设的三维模型样本进行匹配，如果匹配成功，则用户身份验证成功，最后将验证成功的三维模型与预设的三维模型样本进行特征融合，以对预设的三维模型样本进行更新，从而提高了识别模型识别的准确率。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1是根据本发明一个实施例的识别模型更新方法的流程图；

图2是根据本发明一个实施例的结构光测量的场景示意图；

图3是根据本发明另一个实施例的识别模型更新方法的流程图；

图4是根据本发明一个实施例的识别模型更新装置的结构框图；

图5是根据本发明另一个实施例的识别模型更新装置的结构框图；

图6是根据本发明一个实施例的终端设备的结构示意图；

图7是根据本发明一个实施例的图像处理电路的示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参考附图描述本发明实施例的识别模型更新方法、装置和终端设备。

图1是根据本发明一个实施例的识别模型更新方法的流程图。

如图1所示，该识别模型更新方法包括：

s101，向用户人体投射结构光，并获取经过用户人体的结构光图像。

针对当前采集的特征信息通常为二维图像，特征信息并不丰富，且识别验证用的样本特征固定不变，识别的准确率低，不够灵活的技术问题，本发明提出了一种基于结构光进行识别模型更新的方式，为了便于描述，本发明集中在应用于身份验证场景中进行说明。

为了提高识别的准确率，可利用结构光对用户的人体进行三维模型的相关信息的采集，比如，激光条纹、格雷码、正弦条纹、或者，非均匀散斑等，由此，由于结构光可以基于人体的轮廓和深度信息对用户进行三维模型的相关信息的采集，相较于仅仅采集二维图像信息进行识别的方式，准确率更高。

为了使得本领域的技术人员更加清楚的了解，如何根据结构光来采集用户的三维模型的相关信息，下面以一种应用广泛的条纹投影技术为例来阐述其具体原理。在使用面结构光投影的时候，如图2所示，通过计算机编程产生正弦条纹，将该正弦条纹通过投影设备投影至被测物，利用摄像头拍摄条纹受物体调制的弯曲程度，解调该弯曲条纹得到相位，再将相位转化为高度。当然其中至关重要的一点就是系统的配准，包括摄像头与投影设备的配准，否则很可能会产生误差。具体地，可将弯曲条纹的相位与参考条纹的相位相减得到相位差，该相位差则表征了被测物相对参考面的高度信息，再代入相位与高度转化公式，从而得到待测物体的三维模型。应当理解的是，在实际应用中，根据具体应用场景的不同，本发明实施例中所采用的结构光除了上述条纹之外，还可是其他任意图案。

在本发明的一个实施例中，可向用户人体投射结构光，从而可获取到经过当前用户人体调制的结构光图像。

s102，根据结构光图像生成用户人体对应的三维模型。

基于结构光的原理可知，可解调结构光图像中变形位置像素对应的相位信息，再将相位信息转化为高度信息，然后根据高度信息获取用户人体对应的三维模型。

需要说明的是，根据应用场景的不同，可采用不同的方式基于结构光图像获取三维模型。

示例1：解调结构光图像中变形位置像素对应的相位信息，将相位信息转化为高度信息，根据高度信息获取与结构光图像对应的用户人体三维模型，当然，也可以结合轮廓识别技术，基于用户人体三维模型，识别出用户人体的轮廓，根据该轮廓获取三维模型。

示例2：采用相关轮廓识别技术，识别出用户人体在整体结构光图像中的位置信息，解调结构光图像中人体对应的像素的相位信息，将相位信息转化为高度信息，根据该高度信息建立用户人体三维模型。

s103，将三维模型与预设的三维模型样本进行匹配，如果匹配成功，则用户身份验证成功。

具体地，可从三维模型中提取预设数量的人体特征信息，然后将人体特征信息与预设的三维模型样本中相同位置的人体特征样本进行匹配。其中，人体特征信息可包括多种，如身高、胖瘦、胳膊长短、发型等等。

s104，将验证成功的三维模型与预设的三维模型样本进行特征融合，以对预设的三维模型样本进行更新。

具体地，可获取验证成功的三维模型中的所有人体特征信息，然后将所有人体特征信息添加至预设的三维模型样本中。其中，与三维模型样本相同的人体特征信息无需更新，只需将三维模型样本中不具有的人体特征信息添加到三维模型样本中，通过自学习的方式，使得三维模型更加完善，识别时更加灵活，在下一次进行识别时，准确率更高。

如果验证不成功，则说明当前用户人体与三维模型样本并不一致，直接舍弃当前的用户的人体特征信息。

此外，如图3所示，还可包括以下步骤：

s105，向身份验证成功的用户授权，并执行权限范围内的相应操作。

在确定用户身份验证成功后，还可向身份验证成功的用户授权，并执行权限范围内的相应操作，例如门禁解锁。

本发明实施例的识别模型更新方法，向用户人体投射结构光，并获取经过用户人体的结构光图像，然后根据结构光图像生成用户人体对应的三维模型，并将三维模型与预设的三维模型样本进行匹配，如果匹配成功，则用户身份验证成功，最后将验证成功的三维模型与预设的三维模型样本进行特征融合，以对预设的三维模型样本进行更新，从而提高了识别模型识别的准确率。

为了实现上述实施例，本发明还提出了一种识别模型更新装置，图4是根据本发明一个实施例的识别模型更新装置的结构框图，如图4所示，该装置包括获取模块100、生成模块200、验证模块300和更新模块400。

其中，获取模块100，用于向用户人体投射结构光，并获取经过用户人体的结构光图像；

生成模块200，用于根据结构光图像生成用户人体对应的三维模型；

验证模块300，用于将三维模型与预设的三维模型样本进行匹配，如果匹配成功，则用户身份验证成功；

更新模块400，用于将验证成功的三维模型与预设的三维模型样本进行特征融合，以对预设的三维模型样本进行更新。

在本发明的一个实施例中，如图5是根据本发明另一个实施例的身份验证装置的结构框图，如图5所示，该装置还包括执行模块500。

其中，执行模块500，用于在确定用户身份验证成功后，向身份验证成功的用户授权，并执行权限范围内的相应操作。

需要说明的是，前述对识别模型更新方法的解释说明，也适用于本发明实施例的识别模型更新装置，本发明实施例中未公布的细节，在此不再赘述。

本发明实施例的识别模型更新装置，向用户人体投射结构光，并获取经过用户人体的结构光图像，然后根据结构光图像生成用户人体对应的三维模型，并将三维模型与预设的三维模型样本进行匹配，如果匹配成功，则用户身份验证成功，最后将验证成功的三维模型与预设的三维模型样本进行特征融合，以对预设的三维模型样本进行更新，从而提高了识别模型识别的准确率。

为了实现上述实施例，本发明还提出一种非临时性计算机可读存储介质，其上存储有计算机程序，当该计算机程序被处理器执行时能够实现如前述实施例的识别模型更新方法。

为了实现上述实施例，本发明还提出了一种终端设备。

如图6所示，该终端设备包括：处理器61、存储器62、及图像处理电路63。

其中，存储器62用于存储可执行程序代码；处理器61通过读取存储器62中存储的可执行程序代码，及图像处理电路63对图像进行处理，来实现如前述实施例中的识别模型更新方法。

具体的，图像处理电路63可以利用硬件和/或软件组件实现，可包括定义isp(imagesignalprocessing，图像信号处理)管线的各种处理单元。

图7为一个实施例中图像处理电路的示意图。如图7所示，为便于说明，仅示出与本发明实施例相关的图像处理技术的各个方面。

如图7所示，图像处理电路包括成像设备710、isp处理器730和控制逻辑器740。成像设备710可包括具有一个或多个透镜712、图像传感器714的照相机和结构光投射器716。结构光投射器716将结构光投影至被测物。其中，该结构光图案可为激光条纹、格雷码、正弦条纹、或者，随机排列的散斑图案等。图像传感器714捕捉投影至被测物形成的结构光图像，并将结构光图像发送至isp处理器730，由isp处理器730对结构光图像进行解调获取被测物的深度信息。同时，图像传感器714也可以捕捉被测物的色彩信息。当然，也可以由两个图像传感器714分别捕捉被测物的结构光图像和色彩信息。

其中，以散斑结构光为例，isp处理器730对结构光图像进行解调，具体包括，从该结构光图像中采集被测物的散斑图像，将被测物的散斑图像与参考散斑图像按照预定算法进行图像数据计算，获取被测物上散斑图像的各个散斑点相对于参考散斑图像中的参考散斑点的移动距离。利用三角法转换计算得到散斑图像的各个散斑点的深度值，并根据该深度值得到被测物的深度信息。

当然，还可以通过双目视觉的方法或基于飞行时差tof的方法来获取该深度图像信息等，在此不做限定，只要能够获取或通过计算得到被测物的深度信息的方法都属于本实施方式包含的范围。

在isp处理器730接收到图像传感器714捕捉到的被测物的色彩信息之后，可被测物的色彩信息对应的图像数据进行处理。isp处理器730对图像数据进行分析以获取可用于确定和/或成像设备710的一个或多个控制参数的图像统计信息。图像传感器714可包括色彩滤镜阵列(如bayer滤镜)，图像传感器714可获取用图像传感器714的每个成像像素捕捉的光强度和波长信息，并提供可由isp处理器730处理的一组原始图像数据。

isp处理器730按多种格式逐个像素地处理原始图像数据。例如，每个图像像素可具有8、10、12或14比特的位深度，isp处理器730可对原始图像数据进行一个或多个图像处理操作、收集关于图像数据的图像统计信息。其中，图像处理操作可按相同或不同的位深度精度进行。

isp处理器730还可从图像存储器720接收像素数据。图像存储器720可为存储器装置的一部分、存储设备、或电子设备内的独立的专用存储器，并可包括dma(directmemoryaccess，直接直接存储器存取)特征。

当接收到原始图像数据时，isp处理器730可进行一个或多个图像处理操作。

在isp处理器730获取到被测物的色彩信息和深度信息后，可对其进行融合，得到三维图像。其中，可通过外观轮廓提取方法或轮廓特征提取方法中的至少一种提取相应的被测物的特征。例如通过主动形状模型法asm、主动外观模型法aam、主成分分析法pca、离散余弦变换法dct等方法，提取被测物的特征，在此不做限定。再将分别从深度信息中提取到被测物的特征以及从色彩信息中提取到被测物的特征进行配准和特征融合处理。这里指的融合处理可以是将深度信息以及色彩信息中提取出的特征直接组合，也可以是将不同图像中相同的特征进行权重设定后组合，也可以有其他融合方式，最终根据融合后的特征，生成三维图像。

三维图像的图像数据可发送给图像存储器720，以便在被显示之前进行另外的处理。isp处理器730从图像存储器720接收处理数据，并对处理数据进行原始域中以及rgb和ycbcr颜色空间中的图像数据处理。三维图像的图像数据可输出给显示器760，以供用户观看和/或由图形引擎或gpu(graphicsprocessingunit，图形处理器)进一步处理。此外，isp处理器730的输出还可发送给图像存储器720，且显示器760可从图像存储器720读取图像数据。在一个实施例中，图像存储器720可被配置为实现一个或多个帧缓冲器。此外，isp处理器730的输出可发送给编码器/解码器750，以便编码/解码图像数据。编码的图像数据可被保存，并在显示于显示器760设备上之前解压缩。编码器/解码器750可由cpu或gpu或协处理器实现。

isp处理器730确定的图像统计信息可发送给控制逻辑器740单元。控制逻辑器740可包括执行一个或多个例程(如固件)的处理器和/或微控制器，一个或多个例程可根据接收的图像统计信息，确定成像设备710的控制参数。

需要说明的是，前述对身份验证方法实施例的解释说明也适用于该实施例的终端设备，其实现原理类似，此处不再赘述。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。