CN106599826A - 基于近红外光人脸3d重建的方法 - Google Patents
基于近红外光人脸3d重建的方法 Download PDFInfo
- Publication number
- CN106599826A CN106599826A CN201611129277.XA CN201611129277A CN106599826A CN 106599826 A CN106599826 A CN 106599826A CN 201611129277 A CN201611129277 A CN 201611129277A CN 106599826 A CN106599826 A CN 106599826A
- Authority
- CN
- China
- Prior art keywords
- camera
- face
- matrixes
- infrared light
- method based
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及3D重建的方法,尤其涉及一种基于近红外光人脸3D重建的方法,包括以下步骤:S1:获取摄像头的内外参的Q矩阵以及畸变参数;S2:根据摄像头的内外参的Q矩阵以及畸变参数,对摄像头采集到的图片进行校正,校正后图片的左右画面的极线在同一水平线上;S3:计算出左右视图的视差矩阵disparity;S4:利用内外参的Q矩阵以及视差矩阵disparity重建三维坐标;S5:将得到的三维坐标拉伸为一组特征向量;S6:使用SVM分类器对人脸和非人脸的特征向量进行训练,最终实现活体检测。与现有技术相比,本申请具有以下优点:1.能够实现活体检测;2.无可见光环境下也可使用;3.性能鲁棒;4.速度快。
Description
技术领域
本发明涉及3D重建的方法,尤其涉及一种基于近红外光人脸3D重建的方法。
背景技术
目前,生物特征识别技术已经被广泛地应用于日常生活中的方方面面。人脸生物特征识别技术,由于具有方便易用,用户友好性,非接触式等优点,在近年来取得了突飞猛进的发展。这些发展体现在了各个研究领域,包括人脸检测,人脸特征提取,分类器设计以及硬件设备制造等。然而,基于人脸的生物特征识别在应用层面上依然面临着一些考验,现有的识别技术复杂且识别率低。
发明内容
本发明的目的在于为避免上述现有技术所存在的不足,提出一种基于近红外光人脸3D重建的方法。
本发明提供了一种基于近红外光人脸3D重建的方法,包括以下步骤:
S1:获取摄像头的内外参的Q矩阵以及畸变参数;
S2:根据摄像头的内外参的Q矩阵以及畸变参数,对摄像头采集到的图片进行校正,校正后图片的左右画面的极线在同一水平线上;
S3:计算出左右视图的视差矩阵disparity;
S4:利用内外参的Q矩阵以及视差矩阵disparity重建三维坐标;
S5:将得到的三维坐标拉伸为一组特征向量;
S6:使用SVM分类器对人脸和非人脸的特征向量进行训练,最终实现活体检测。
进一步的,所述步骤S1中的摄像头采用红外摄像头。
进一步的,所述步骤S1中红外摄像头的内外参的Q矩阵以及畸变参数的获取方法为张正友标定法。
进一步的,所述步骤S1中的内外参的
进一步的,所述步骤S3中的视差矩阵disparity通过立体匹配方法得到。
进一步的,所述步骤S4中利用内参、外参以及视差矩阵重建三维坐标的方法为:根据Q矩阵和disparity得到三维坐标:
重建的三维坐标即为
与现有技术相比,本申请具有以下优点:1.能够实现活体检测;2.无可见光环境下也可使用;3.性能鲁棒;4.速度快。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1是本发明实施例的流程示意图。
具体实施方式
以下结合附图,对本发明的技术方案作进一步的描述,但本发明并不限于这些实施例。
结合附图1,本发明提供了一种基于近红外光人脸3D重建的方法,包括以下步骤:
S1:获取摄像头的内外参的Q矩阵以及畸变参数;
S2:根据摄像头的内外参的Q矩阵以及畸变参数,对摄像头采集到的图片进行校正,校正后图片的左右画面的极线在同一水平线上;
S3:计算出左右视图的视差矩阵disparity;
S4:利用内外参的Q矩阵以及视差矩阵disparity重建三维坐标;
S5:将得到的三维坐标拉伸为一组特征向量;
S6:使用SVM分类器对人脸和非人脸的特征向量进行训练,最终实现活体检测。
优选的,步骤S1中的摄像头采用红外摄像头。传统的摄像头在无可见光的环境下不可使用,本实施例一中采用的红外摄像头在无可见光的环境下同样可以使用。
进一步的,所述步骤S1中红外摄像头的内外参的Q矩阵以及畸变参数的获取方法为张正友标定法。其中,内外参的此处“张正友标定法”又称“张氏标定法”,是指张正友教授于1998年提出的单平面棋盘格的摄像机标定方法。张氏标定法已经作为工具箱或封装好的函数被广泛应用。张氏标定的原文为“AFlexible New Technique forCamera Calibration”。此文中所提到的方法,为相机标定提供了很大便利,并且具有很高的精度。从此标定可以不需要特殊的标定物,只需要一张打印出来的棋盘格。
进一步的,所述步骤S3中的视差矩阵disparity通过立体匹配方法得到。这里所述额立体匹配方法属于现有技术,这里只做简单的介绍。这里的立体匹配方法采用blockmatching算法。
所述步骤S4中利用内参、外参以及视差矩阵重建三维坐标的方法为:根据Q矩阵和disparity得到三维坐标:
重建的三维坐标即为
SVM分类器是通过一个非线性映射p,把样本空间映射到一个高维乃至无穷维的特征空间中,使得在原来的样本空间中非线性可分的问题转化为在特征空间中的线性可分的问题。简单地说,就是升维和线性化。升维,就是把样本向高维空间做映射,一般情况下这会增加计算的复杂性,甚至会引起“维数灾难”,因而人们很少问津。但是作为分类、回归等问题来说,很可能在低维样本空间无法线性处理的样本集,在高维特征空间中却可以通过一个线性超平面实现线性划分(或回归)。一般的升维都会带来计算的复杂化,SVM方法巧妙地解决了这个难题:应用核函数的展开定理,就不需要知道非线性映射的显式表达式;由于是在高维特征空间中建立线性学习机,所以与线性模型相比,不但几乎不增加计算的复杂性,而且在某种程度上避免了“维数灾难”。这一切要归功于核函数的展开和计算理论。在本实施例中,SVM分类器对人脸和非人脸的特征向量进行训练,最终实现活体检测,性能鲁棒,速度快。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (6)
1.一种基于近红外光人脸3D重建的方法,其特征在于,包括以下步骤:
S1:获取摄像头的内外参的Q矩阵以及畸变参数;
S2:根据摄像头的内外参的Q矩阵以及畸变参数,对摄像头采集到的图片进行校正,校正后图片的左右画面的极线在同一水平线上;
S3:计算出左右视图的视差矩阵disparity;
S4:利用内外参的Q矩阵以及视差矩阵disparity重建三维坐标;
S5:将得到的三维坐标拉伸为一组特征向量;
S6:使用SVM分类器对人脸和非人脸的特征向量进行训练,最终实现活体检测。
2.根据权利要求1所述的基于近红外光人脸3D重建的方法,其特征在于,所述步骤S1中的摄像头采用红外摄像头。
3.根据权利要求2所述的基于近红外光人脸3D重建的方法,其特征在于,所述步骤S1中红外摄像头的内外参的Q矩阵以及畸变参数的获取方法为张正友标定法。
4.根据权利要求3所述的基于近红外光人脸3D重建的方法,其特征在于,所述步骤S1中的内外参的
5.根据权利要求1所述的基于近红外光人脸3D重建的方法,其特征在于,所述步骤S3中的视差矩阵disparity通过立体匹配方法得到。
6.根据权利要求1所述的基于近红外光人脸3D重建的方法,其特征在于,所述步骤S4中利用内参、外参以及视差矩阵重建三维坐标的方法为:根据Q矩阵和disparity得到三维坐标:
重建的三维坐标即为
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611129277.XA CN106599826A (zh) | 2016-12-09 | 2016-12-09 | 基于近红外光人脸3d重建的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611129277.XA CN106599826A (zh) | 2016-12-09 | 2016-12-09 | 基于近红外光人脸3d重建的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106599826A true CN106599826A (zh) | 2017-04-26 |
Family
ID=58597958
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611129277.XA Pending CN106599826A (zh) | 2016-12-09 | 2016-12-09 | 基于近红外光人脸3d重建的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106599826A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107590473A (zh) * | 2017-09-19 | 2018-01-16 | 杭州登虹科技有限公司 | 一种人脸活体检测方法、介质和相关装置 |
CN108334817A (zh) * | 2018-01-16 | 2018-07-27 | 深圳前海华夏智信数据科技有限公司 | 基于三目的活体人脸检测方法及*** |
CN109241832A (zh) * | 2018-07-26 | 2019-01-18 | 维沃移动通信有限公司 | 一种人脸活体检测的方法及终端设备 |
CN109299677A (zh) * | 2018-09-07 | 2019-02-01 | 西安知微传感技术有限公司 | 一种人脸识别活体判断方法及*** |
CN111191556A (zh) * | 2019-12-25 | 2020-05-22 | 杭州宇泛智能科技有限公司 | 人脸识别方法、装置及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104346829A (zh) * | 2013-07-29 | 2015-02-11 | 中国农业机械化科学研究院 | 基于pmd相机和摄像头的彩色三维重建***及其方法 |
CN105203044A (zh) * | 2015-05-27 | 2015-12-30 | 珠海真幻科技有限公司 | 以计算激光散斑为纹理的立体视觉三维测量方法及*** |
CN103065289B (zh) * | 2013-01-22 | 2016-04-06 | 清华大学 | 基于双目立体视觉的四目摄像机正面人脸重建方法 |
CN105740779A (zh) * | 2016-01-25 | 2016-07-06 | 北京天诚盛业科技有限公司 | 人脸活体检测的方法和装置 |
-
2016
- 2016-12-09 CN CN201611129277.XA patent/CN106599826A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065289B (zh) * | 2013-01-22 | 2016-04-06 | 清华大学 | 基于双目立体视觉的四目摄像机正面人脸重建方法 |
CN104346829A (zh) * | 2013-07-29 | 2015-02-11 | 中国农业机械化科学研究院 | 基于pmd相机和摄像头的彩色三维重建***及其方法 |
CN105203044A (zh) * | 2015-05-27 | 2015-12-30 | 珠海真幻科技有限公司 | 以计算激光散斑为纹理的立体视觉三维测量方法及*** |
CN105740779A (zh) * | 2016-01-25 | 2016-07-06 | 北京天诚盛业科技有限公司 | 人脸活体检测的方法和装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107590473A (zh) * | 2017-09-19 | 2018-01-16 | 杭州登虹科技有限公司 | 一种人脸活体检测方法、介质和相关装置 |
CN108334817A (zh) * | 2018-01-16 | 2018-07-27 | 深圳前海华夏智信数据科技有限公司 | 基于三目的活体人脸检测方法及*** |
CN109241832A (zh) * | 2018-07-26 | 2019-01-18 | 维沃移动通信有限公司 | 一种人脸活体检测的方法及终端设备 |
CN109241832B (zh) * | 2018-07-26 | 2021-03-30 | 维沃移动通信有限公司 | 一种人脸活体检测的方法及终端设备 |
CN109299677A (zh) * | 2018-09-07 | 2019-02-01 | 西安知微传感技术有限公司 | 一种人脸识别活体判断方法及*** |
CN111191556A (zh) * | 2019-12-25 | 2020-05-22 | 杭州宇泛智能科技有限公司 | 人脸识别方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106599826A (zh) | 基于近红外光人脸3d重建的方法 | |
CA2934514C (en) | System and method for identifying faces in unconstrained media | |
CN106067190B (zh) | 一种基于单幅图像的快速人脸三维模型生成和变换方法 | |
Hassner et al. | Effective face frontalization in unconstrained images | |
CN110348330B (zh) | 基于vae-acgan的人脸姿态虚拟视图生成方法 | |
CN103530599B (zh) | 一种真实人脸和图片人脸的区别方法和*** | |
CN105447441B (zh) | 人脸认证方法和装置 | |
CN110110629A (zh) | 面向室内环境控制的人员信息检测方法与*** | |
CN108614999B (zh) | 基于深度学习的眼睛睁闭状态检测方法 | |
CN104809638A (zh) | 一种基于移动终端的眼镜虚拟试戴方法和*** | |
CN104298995B (zh) | 基于三维点云的三维人脸识别装置及方法 | |
CN105956552B (zh) | 一种人脸黑名单监测方法 | |
CN103971137A (zh) | 基于结构性稀疏特征学习的三维动态人脸表情识别方法 | |
CN105243376A (zh) | 一种活体检测方法和装置 | |
CN103745209B (zh) | 一种人脸识别方法及*** | |
WO2020135125A1 (zh) | 活体检测方法和设备 | |
Song et al. | Describing trajectory of surface patch for human action recognition on RGB and depth videos | |
Smith et al. | Facial shape-from-shading and recognition using principal geodesic analysis and robust statistics | |
CN112257641A (zh) | 一种人脸识别活体检测方法 | |
CN103927515A (zh) | 三维动态人脸比对方法 | |
CN107749084A (zh) | 一种基于图像三维重建技术的虚拟试戴方法和*** | |
Lanz et al. | Automated classification of therapeutic face exercises using the Kinect | |
Li et al. | Head pose classification based on line portrait | |
CN116966086A (zh) | 一种基于实时图像优化的人体背部腧穴标定方法及*** | |
CN108924542A (zh) | 基于显著性和稀疏性的无参考立体视频质量评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170426 |
|
RJ01 | Rejection of invention patent application after publication |