一种异质三维人脸识别方法
【技术领域】
[0001] 本发明涉及人脸识别领域，特别涉及一种一种异质三维人脸识别方法。
【背景技术】
[0002] 人脸识别技术在众多的生物特征识别技术中和人类在日常生活中进行身份识别 的手段最为接近，因此也最容易为人们所接受，具有广阔的应用前景。 目前，二维人脸识别已经在包括考勤、门禁以及公安的静态照片比对等方面取得了成 功的应用，但是由于人脸作为一种三维物体，在投影成二维图像的过程中丢失了大量信息， 二维人脸识别在处理姿态等变化方面具有很大的缺陷，而三维人脸识别则能够很好地解决 上述问题。此外，三维人脸识别与二维人脸识别相比在防伪方面也具有天然的优势。因此， 三维人脸识别近年来获得了越来越多的关注，一些商用的三维人脸识别系统（如Artec公 司的Broadway产品）也已成功面世。
[0003] 现有的三维人脸识别系统具有如下特点：用于注册和识别的三维人脸设备是同一 种甚至是同一台设备。然而，在实际应用中，不同组织或者机构、或者同一组织机构在不同 时期使用的三维人脸测量设备很可能是不同的，亦或三维人脸测量设备升级换代，所有这 些都可能造成三维人脸数据的密度或精度发生变化。传统的三维人脸识别方法，因为是为 同源的三维人脸数据设计的，所以并不适用于这类情况下的异质三维人脸数据，其识别率 会发生明显下降。
【发明内容】
[0004] 本发明的目的在于克服现有技术中所存在的上述不足，提供一种异质三维人脸识 别方法，其针对异质三维人脸数据之间的比对识别且识别率明显提高，从而大大拓宽了三 维人脸识别的应用范围。
[0005] 为了实现上述发明目的，本发明采用的技术方案是： 一种异质三维人脸识别方法，包括： 步骤一、对第一三维人脸采集设备采集到的第一三维人脸数据进行重采样，提取所述 第一三维人脸数据的第一几何特征和第一纹理特征； 步骤二、对第二三维人脸采集设备采集到的第二三维人脸数据进行重采样，提取所述 第二三维人脸数据的第二几何特征和第二纹理特征；其中，所述步骤一和步骤二不分先后 顺序； 步骤三、对所述第一几何特征和第二几何特征进行几何特征比对，对所述第一纹理特 征和第二纹理特征进行纹理特征比对； 步骤四、根据所述几何特征比对结果和所述纹理特征比对结果，将两者融合得到最终 的比对识别结果。
[0006] 步骤一和二中对三维人脸数据进行重采样，以消除或降低待比对的异质三维人脸 数据密度和精度差异对识别的影响。
[0007] 进一步的，步骤一和步骤二中对三维人脸数据进行重采样包括密度重采样的步 骤，具体为： 将三维人脸数据三角网格化； 选取三维人脸中至少3个特征点为参照点，通过相似变换将三维人脸数据进行对齐； 按照预设的点云密度进行重采样。
[0008] 进一步的，步骤一和步骤二中对三维人脸数据进行重采样包括精度重采样的步 骤，具体为： 对三维人脸数据的深度值进行再量化，将量化后的深度值按照指定量化间隔dz取值。
[0009] 进一步的，所述第一几何特征、第二几何特征为三维人脸姿态及表情鲁棒几何特 征。
[0010] 进一步的，所述第一纹理特征、第二纹理特征为三维人脸姿态及表情鲁棒纹理特 征。
[0011] 步骤三具体为： 根据提取的三维人脸几何特征，计算输入三维人脸和注册三维人脸之间的相似度； 根据提取的三维人脸纹理特征，计算输入三维人脸和注册三维人脸之间的相似度。
[0012] 所述步骤四中采用相似度融合或者决策融合方式，将所述几何特征比对结果和所 述纹理特征比对结果融合得到最终的比对识别结果。
[0013] 与现有技术相比，本发明的有益效果： 本发明通过对三维人脸数据的重采样，一方面使得待比对的异质三维人脸数据的密度 相同，另一方面消除或降低两者之间的精度差异，从而增强了异质三维人脸数据之间的可 比性，有效提尚识别率。
【附图说明】： 图1是本发明实施例中的结构示意图。
【具体实施方式】
[0015] 下面结合【具体实施方式】对本发明作进一步的详细描述。但不应将此理解为本发明 上述主题的范围仅限于以下的实施例，凡基于本
【发明内容】
所实现的技术均属于本发明的范 围。
[0016] 本发明的一种异质三维人脸识别方法，包括： 步骤一：对第一三维人脸采集设备采集到的第一三维人脸数据进行重采样，提取所述 第一三维人脸数据的第一几何特征和第一纹理特征； 步骤二：对第二三维人脸采集设备采集到的第二三维人脸数据进行重采样，提取所述 第二三维人脸数据的第二几何特征和第二纹理特征；其中，所述步骤一和步骤二不分先后 顺序，而第一三维人脸采集设备和第二人脸采集设备中的一个影射注册信息采集设备（如 一个企业中用于采集各个员工的人脸信息用于储存对比的设备），另一个影射现场识别信 息采集设备（如企业中每天用于采集上班员工的人脸图像与储存的人脸信息进行对比的 设备）； 步骤三：对所述第一几何特征和第二几何特征进行几何特征比对，对所述第一纹理特 征和第二纹理特征进行纹理特征比对； 步骤四：根据所述几何特征比对结果和所述纹理特征比对结果，将两者融合得到最终 的比对识别结果，判断第一三维人脸数据和第二三维人脸数据是否为同一个人。
[0017] 步骤一和二中具体提取三维人脸姿态及表情鲁棒的几何特征。
[0018] 步骤一和二中具体提取三维人脸姿态及表情鲁棒的纹理特征。
[0019] 步骤三具体为：根据提取的三维人脸几何特征，计算第一三维人脸和第二三维人 脸之间的相似度；根据提取的三维人脸纹理特征，计算第一三维人脸和第二三维人脸之间 的相似度。
[0020] 所述步骤四中采用相似度融合或者决策融合方式，将所述几何特征比对结果和所 述纹理特征比对结果融合得到最终的比对识别结果。
[0021] 以下对关键步骤逐一进行具体描述。
[0022] S001 :三维人脸数据重采样 本实施例中，重采样同时包含密度重采样和精度重采样两个部分： 第一部分，密度重采样。首先将三维人脸数据三角网格化，然后检测双眼眼角、鼻尖和 左右嘴角等7个特征点，并以这7个特征点为参照点，通过相似变换将三维人脸数据进行 对齐，最后按照设定的点云密度进行重采样，使得输入的三维人脸数据具有指定的点云密 度（如每毫米采样1个点）。经密度重采样后，不同三维人脸数据的点云之间建立点对点 的一一对应关系；事实上，本步骤中，可以从常见的双眼左右眼角、瞳孔中心、鼻尖、左右嘴 角这些常见特征点中任选至少三个不在同一直线上的特征点作为参考点，参考点选取的越 多，分布