本发明涉及人脸识别技术领域，具体涉及一种基于三维人脸的识别技术领域。
背景技术：
人脸识别具有重要应用价值，人脸识别的核心任务是比较两个人脸照片是否来自同一个人。人脸识别有两种主流方案，一种是通过二维灰度图或彩色图实现，这种二维图像一般通过普通相机镜头获得，不含有深度信息。另一种是通过三维点云实现，三维点云一般通过专用传感器获得，三维点云包含了人脸面部大量点的空间坐标。二维人脸识别方案的主要问题在于缺少深度信息，容易被攻击，准确率不够，而三维人脸识别可以很好的解决这些问题。但是三维人脸识别可用的方法较少、实现复杂、计算量大、且需要手工抽取特征。
技术实现要素：
为了克服现有技术的不足，本发明的目的之一在于提供一种三维人脸识别方法，解决二维人脸识别精度低、易攻击等缺点，以及三维人脸识别可用的方法较少、实现复杂的问题。
本发明的目的之二在于提供一种三维人脸识别装置，解决二维人脸识别精度低、易攻击等缺点，以及三维人脸识别可用的方法较少、实现复杂的问题。
本发明的目的之三在于提供一种处理终端，解决二维人脸识别精度低、易攻击等缺点，以及三维人脸识别可用的方法较少、实现复杂的问题。
为实现上述目的之一，本发明所采用的技术方案如下：
一种三维人脸识别方法，包括以下步骤：
s1、将三维人脸点云转换为二维深度图；
s2、通过预设人脸检测模块对所述二维深度图进行人脸检测，得到人脸区域数据；
s3、通过预设关键点检测模块对所述二维深度图进行关键点检测，得到人脸关键点数据；
s4、根据所述人脸区域数据从所述二维深度图中裁剪出人脸区域，以及根据所述人脸关键点数据从所述人脸区域中找到目标关键点；
s5、对所述人脸区域进行调整，以使所述人脸区域中的目标关键点之间的距离满足预设数值，得到调整人脸区域；
s6、通过预设人脸识别模块将所述调整人脸区域与目标人脸区域进行人脸识别，得到识别结果。
优选的，所述预设人脸检测模块、预设关键点检测模块和预设人脸识别模块均通过二维深度图的训练样本进行训练；所述预设人脸检测模块通过adaboost算法或卷积神经网络进行人脸检测；所述预设关键点检测模块通过随机决策森林或卷积神经网络进行关键点检测；所述预设人脸识别模块通过卷积神经网络进行人脸识别。
优选的，所述人脸关键点数据为人脸五官数据，所述目标关键点为人脸的双眼位置。
优选的，在步骤s6中，所述人脸识别的过程为：抽取所述调整人脸区域与目标人脸区域的特征，通过余弦距离或欧式距离比较所述调整人脸区域与目标人脸区域的特征的相似度。
为实现上述目的之二，本发明所采用的技术方案如下：
一种三维人脸识别装置，包括以下模块：
转换模块，用于将三维人脸点云转换为二维深度图；
人脸检测模块，用于通过预设人脸检测模块对所述二维深度图进行人脸检测，得到人脸区域数据；
关键点检测模块，用于通过预设关键点检测模块对所述二维深度图进行关键点检测，得到人脸关键点数据；
数据处理模块，用于根据所述人脸区域数据从所述二维深度图中裁剪出人脸区域，以及根据所述人脸关键点数据从所述人脸区域中找到目标关键点；
调整模块，用于对所述人脸区域进行调整，以使所述人脸区域中的目标关键点之间的距离满足预设数值，得到调整人脸区域；
识别模块，用于通过预设人脸识别模块将所述调整人脸区域与目标人脸区域进行人脸识别，得到识别结果。
优选的，所述预设人脸检测模块、预设关键点检测模块和预设人脸识别模块均通过二维深度图的训练样本进行训练；所述预设人脸检测模块通过adaboost算法或卷积神经网络进行人脸检测；所述预设关键点检测模块通过随机决策森林或卷积神经网络进行关键点检测；所述预设人脸识别模块通过卷积神经网络进行人脸识别。
优选的，所述人脸关键点数据为人脸五官数据，所述目标关键点为人脸的双眼位置。
优选的，在识别模块中，所述人脸识别的过程为：抽取所述调整人脸区域与目标人脸区域的特征，通过余弦距离或欧式距离比较所述调整人脸区域与目标人脸区域的特征的相似度。
为实现上述目的之三，本发明所采用的技术方案如下：
一种处理终端，包括：
存储器，用于存储程序指令；
处理器，用于运行所述程序指令，以执行以下步骤：
s1、将三维人脸点云转换为二维深度图；
s2、通过预设人脸检测模块对所述二维深度图进行人脸检测，得到人脸区域数据；
s3、通过预设关键点检测模块对所述二维深度图进行关键点检测，得到人脸关键点数据；
s4、根据所述人脸区域数据从所述二维深度图中裁剪出人脸区域，以及根据所述人脸关键点数据从所述人脸区域中找到目标关键点；
s5、对所述人脸区域进行调整，以使所述人脸区域中的目标关键点之间的距离满足预设数值，得到调整人脸区域；
s6、通过预设人脸识别模块将所述调整人脸区域与目标人脸区域进行人脸识别，得到识别结果。
优选的，所述预设人脸检测模块、预设关键点检测模块和预设人脸识别模块均通过二维深度图的训练样本进行训练；所述预设人脸检测模块通过adaboost算法或卷积神经网络进行人脸检测；所述预设关键点检测模块通过随机决策森林或卷积神经网络进行关键点检测；所述预设人脸识别模块通过卷积神经网络进行人脸识别。
优选的，所述人脸关键点数据为人脸五官数据，所述目标关键点为人脸的双眼位置。
优选的，在步骤s6中，所述人脸识别的过程为：抽取所述调整人脸区域与目标人脸区域的特征，通过余弦距离或欧式距离比较所述调整人脸区域与目标人脸区域的特征的相似度。
相比现有技术，本发明的有益效果在于：
将三维点云转化为二维深度图，可以充分利用二维图像人脸识别的成熟方法实现，尤其是强大的卷积神经网络实现人脸识别。既解决了二维人脸识别精度低、易攻击等缺点，以及三维人脸识别可用的方法较少、实现复杂的问题。
附图说明
图1为本发明的三维人脸识别方法流程图；
图2为三维人脸点云转换到二维深度图的效果图；
图3为本发明的三维人脸识别装置结构图；
图4为本发明的处理终端结构图。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述：
实施例一：
参考图1，本发明公开了一种三维人脸识别方法，包括以下步骤：
s1、将三维人脸点云转换为二维深度图；
s2、通过预设人脸检测模块对所述二维深度图进行人脸检测，得到人脸区域数据；
s3、通过预设关键点检测模块对所述二维深度图进行关键点检测，得到人脸关键点数据；
s4、根据所述人脸区域数据从所述二维深度图中裁剪出人脸区域，以及根据所述人脸关键点数据从所述人脸区域中找到目标关键点；
s5、对所述人脸区域进行调整，以使所述人脸区域中的目标关键点之间的距离满足预设数值，得到调整人脸区域；
s6、通过预设人脸识别模块将所述调整人脸区域与目标人脸区域进行人脸识别，得到识别结果。人脸识别的过程为：抽取所述调整人脸区域与目标人脸区域的特征，通过余弦距离或欧式距离比较所述调整人脸区域与目标人脸区域的特征的相似度。
其中，在本实施例中，人脸关键点数据为人脸五官数据，目标关键点为人脸的双眼位置。对人脸区域的调整为使人脸区域中的双眼位置之间的距离满足预设数值，使人脸识别更好执行。
三维人脸点云的表达为c＝{p1、p2…pn}，表示传感器一次传回的3d人脸的点云，pi使用三个数值表示空间坐标(xi，yi,zi)。将三维人脸点云c转化为二维深度图d(x,y)，(x,y,d(x,y))表示三维人脸点云c的坐标经过转换后获得的新坐标，d(x,y)可以理解为人脸在新坐标系下在(x,y)处的深度。图2显示了三维人脸点云变化到二维深度图的效果。
人脸检测模块的训练是基于二维深度图实现，训练样本同样为二维深度图，且每个二维深度图都配有标定位置。人脸检测模块可以使用二维灰度图中执行人脸检测的任何方法，比如基于简单特征的adaboost算法或卷积神经网络。关键点检测模块的训练也是基于二维深度图实现，训练样本依然是二维深度图，每个二维深度图会给出五官的坐标，关键点检测模块可使用二维灰度图执行关键点检测的任何方法，比如随机决策森林或卷积神经网络。人脸识别模块也是基于二维深度图实现，训练样本是二维深度图，训练样本包含多个人的二维深度图，同一个人包含多张二维深度图，体现不同的角度和位置。人脸识别模块可以使用二维灰度图的人脸识别模型，比如卷积神经网络。
通过本发明的方法，将三维点云转化为二维深度图，可以充分利用二维图像人脸识别的成熟方法实现，尤其是强大的卷积神经网络实现人脸识别。既解决了二维人脸识别精度低、易攻击等缺点，以及三维人脸识别可用的方法较少、实现复杂的问题。
实施例二：
参考图3，本发明公开了一种三维人脸识别装置，包括以下模块：
转换模块，用于将三维人脸点云转换为二维深度图；
人脸检测模块，用于通过预设人脸检测模块对所述二维深度图进行人脸检测，得到人脸区域数据；
关键点检测模块，用于通过预设关键点检测模块对所述二维深度图进行关键点检测，得到人脸关键点数据；
数据处理模块，用于根据所述人脸区域数据从所述二维深度图中裁剪出人脸区域，以及根据所述人脸关键点数据从所述人脸区域中找到目标关键点；
调整模块，用于对所述人脸区域进行调整，以使所述人脸区域中的目标关键点之间的距离满足预设数值，得到调整人脸区域；
识别模块，用于通过预设人脸识别模块将所述调整人脸区域与目标人脸区域进行人脸识别，得到识别结果。
优选的，所述预设人脸检测模块、预设关键点检测模块和预设人脸识别模块均通过二维深度图的训练样本进行训练；所述预设人脸检测模块通过adaboost算法或卷积神经网络进行人脸检测；所述预设关键点检测模块通过随机决策森林或卷积神经网络进行关键点检测；所述预设人脸识别模块通过卷积神经网络进行人脸识别。
优选的，所述人脸关键点数据为人脸五官数据，所述目标关键点为人脸的双眼位置。
优选的，在识别模块中，所述人脸识别的过程为：抽取所述调整人脸区域与目标人脸区域的特征，通过余弦距离或欧式距离比较所述调整人脸区域与目标人脸区域的特征的相似度。
实施例三：
参考图4，本发明公开了一种处理终端，包括：
存储器，用于存储程序指令；
处理器，用于运行所述程序指令，以执行以下步骤：
s1、将三维人脸点云转换为二维深度图；
s2、通过预设人脸检测模块对所述二维深度图进行人脸检测，得到人脸区域数据；
s3、通过预设关键点检测模块对所述二维深度图进行关键点检测，得到人脸关键点数据；
s4、根据所述人脸区域数据从所述二维深度图中裁剪出人脸区域，以及根据所述人脸关键点数据从所述人脸区域中找到目标关键点；
s5、对所述人脸区域进行调整，以使所述人脸区域中的目标关键点之间的距离满足预设数值，得到调整人脸区域；
s6、通过预设人脸识别模块将所述调整人脸区域与目标人脸区域进行人脸识别，得到识别结果。
优选的，所述预设人脸检测模块、预设关键点检测模块和预设人脸识别模块均通过二维深度图的训练样本进行训练；所述预设人脸检测模块通过adaboost算法或卷积神经网络进行人脸检测；所述预设关键点检测模块通过随机决策森林或卷积神经网络进行关键点检测；所述预设人脸识别模块通过卷积神经网络进行人脸识别。
优选的，所述人脸关键点数据为人脸五官数据，所述目标关键点为人脸的双眼位置。
对本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及形变，而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。