CN113673287B - 基于目标时间节点的深度重建方法、***、设备及介质 - Google Patents
基于目标时间节点的深度重建方法、***、设备及介质 Download PDFInfo
- Publication number
- CN113673287B CN113673287B CN202010411594.0A CN202010411594A CN113673287B CN 113673287 B CN113673287 B CN 113673287B CN 202010411594 A CN202010411594 A CN 202010411594A CN 113673287 B CN113673287 B CN 113673287B
- Authority
- CN
- China
- Prior art keywords
- image
- face
- expression type
- depth
- rgb
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于目标时间节点的深度重建方法、***、设备及介质，包括：获取目标人脸的RGB图像、IR图像以及红外光斑图像；对RGB图像、IR图像进行人脸检测；当在RGB图像、IR图像检测出人脸区域时，对人脸区域进行表情检测，确定该人脸区域的表情类型；当表情类型为预设置的表情类型集合中的任一表情类型时，根据红外光斑图像的多个光斑点区域和RGB图像中的人脸区域对目标人脸进行深度重建生成深度人脸图像。本发明中对RGB图像和IR图像在表情优选后才进行深度重建，避免了深度重建时因图像质量太差而失败，且能够在IR图像进行活体检测后生成深度人脸图像，使得抓拍流程能够紧凑的执行，缩短了整个抓拍流程的时间，提高了刷脸支付的效率。
Description
技术领域
本发明涉及3D成像领域，具体地，涉及一种基于目标时间节点的深度重建方法、***、设备及介质。
背景技术
近年来，随着消费电子产业的不断发展，具有深度传感功能的深度相机日渐受到消费电子界的重视。目前比较成熟的深度测量方法是结构光方案和ToF技术。
ToF(time of flight)技术是一种从投射器发射测量光，并使测量光经过目标人脸反射回到接收器，从而能够根据测量光在此传播路程中的传播时间来获取物体到传感器的空间距离的3D成像技术。常用的ToF技术包括单点扫描投射方法和面光投射方法。
结构光三方案是基于光学三角法测量原理。光学投射器将一定模式的结构光投射于物体表面，在表面上形成由被测物体表面形状所调制的光条三维图像。该三维图像被另一位置的摄像机探测，从而获得光条二维畸变图像。光条的畸变程度取决于光学投射器与摄像机之间的相对位置和物体表面形廓(高度)。直观上，沿光条显示出的位移(或偏移)与物体表面高度成比例，扭结表示了平面的变化，不连续显示了表面的物理间隙。当光学投射器与摄像机之间的相对位置一定时，由畸变的二维光条图像坐标便可重现物体表面三维形廓。
深度相机模组拓宽了前端感知的维度，能够很好的解决2D人脸识别遇到的抗假体攻击和极端情况下识别准确率降低的问题，效果得到了市场的认可，需求强烈，能够应用于基于3D人脸识别的门锁、门禁和支付等场景。但是在支付等场景应用时，如何提高人脸图像的抓拍效率，实现快捷支付，现有技术中并没有相应的解决方案。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种基于目标时间节点的深度重建方法、***、设备及介质。
根据本发明提供的基于目标时间节点的深度重建时的深度重建方法，包括如下步骤：
步骤S1：获取目标人脸的RGB图像、IR图像以及红外光斑图像；
步骤S2：对所述RGB图像、所述IR图像进行人脸检测；
步骤S3：当在所述RGB图像、所述IR图像检测出人脸区域时，对所述人脸区域进行表情检测，确定该人脸区域的表情类型；
步骤S4：当所述表情类型为预设置的表情类型集合中的任一表情类型时，根据所述红外光斑图像和符合预设置的表情类型的所述RGB图像对所述目标人脸进行深度重建生成深度人脸图像。
优选地，当对所述目标人脸进行深度重建生成深度人脸图像时，同时进行如下步骤：
-对所述RGB图像、所述IR图像进行质量检测；
-当所述IR图像符合预设置的质量标准时，对所述IR图像进行活体检测。
优选地，所述步骤S1包括如下步骤：
步骤S101：通过红外相机交替采集所述目标人脸的IR图像和红外光斑图像；
步骤S102：通过RGB相机采集所述目标人脸的RGB图像；
步骤S103：获取目标人脸的RGB图像、IR图像以及红外光斑图像，并对所述RGB图像进行实时预览。
优选地，所述步骤S3包括如下步骤：
步骤S301：当在所述RGB图像、所述IR图像检测出人脸区域时，触发步骤S303；
步骤S302：当没有在所述RGB图像、所述IR图像检测出人脸区域时时，并返回步骤S1重新进行所述目标人脸的RGB图像、IR图像以及红外光斑图像的获取；
步骤S303：对所述人脸区域进行表情检测，确定该人脸区域的表情类型。
优选地，所述步骤S4包括如下步骤：
步骤S401：获取预设置的表情类型集合；
步骤S402：判断所述表情类型是否为预设置的表情类型集合中的一表情类型，当所述表情类型为预设置的表情类型集合中的一表情类型，触发步骤S403，当所述表情类型不是预设置的表情类型集合中的一表情类型，发出第一提示信息，并返回步骤S1；
步骤S403：根据所述红外光斑图像的多个光斑点区域和所述RGB图像对所述目标人脸进行深度重建生成深度人脸图像。
优选地，当对所述RGB图像、所述IR图像进行质量检测时，包括如下步骤：
步骤M1：获取预设置的图像质量标准；
步骤M2：判断所述RGB图像和所述IR图像是否为符合预设置的图像质量标准，当所述RGB图像和所述IR图像符合预设置的图像质量标准，触发步骤M3，当所述RGB图像和所述IR图像不符合预设置的图像质量标准，发出第二提示信息，并返回步骤S1；
步骤M3：根据所述IR图像对目标人脸进行活体检测。
优选地，所述步骤S403包括如下步骤：
步骤S4031：将所述RGB图像的人脸区域映射到所述红外光斑图像中，确定所述红外光斑图像中人脸区域的多个光斑点；
步骤S4032：获取所述人脸区域的多个光斑点区域；
步骤S4033：根据所述人脸区域对应的所述光斑点区域的形变或位移生成所述人脸区域的深度人脸图像。
根据本发明提供的基于目标时间节点的深度重建***，包括如下模块：
图像采集模块，用于获取目标人脸的RGB图像、IR图像以及红外光斑图像；
人脸检测模块，用于对所述RGB图像、所述IR图像进行人脸检测；
表情检测模块，用于当在所述RGB图像、所述IR图像检测出人脸区域时，对所述人脸区域进行表情检测，确定该人脸区域的表情类型；
深度重建模块，用于当所述表情类型为预设置的表情类型集合中的任一表情类型时，根据所述红外光斑图像和符合预设置的表情类型的所述RGB图像对所述目标人脸进行深度重建生成深度人脸图像。
根据本发明提供的基于目标时间节点的深度重建设备，包括：
处理器；
存储器，其中存储有所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行所述的基于目标时间节点的深度重建方法的步骤。
根据本发明提供的计算机可读存储介质，用于存储程序，所述程序被执行时实现所述的基于目标时间节点的深度重建方法的步骤。
与现有技术相比，本发明具有如下的有益效果：
本发明中对RGB图像和IR图像在表情优选后才进行深度重建，避免了深度重建时因图像质量太差而失败，且能够在IR图像进行活体检测后生成深度人脸图像，使得抓拍流程能够紧凑的执行，缩短了整个抓拍流程的时间，提高了刷脸支付的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明实施例中基于目标时间节点的深度重建方法的步骤流程图；
图2为本发明实施例中采集目标人脸的RGB图像、IR图像以及红外光斑图像的步骤流程图；
图3为本发明实施例中人脸检测的步骤流程图；
图4为本发明实施例中表情检测的步骤流程图；
图5为本发明实施例中对RGB图像和IR图像进行质量检测的步骤流程图；
图6为本发明实施例中对目标人脸进行深度重建的步骤流程图；
图7为本发明实施例中基于目标时间节点的深度重建***的模块示意图；
图8为本发明实施例中基于目标时间节点的深度重建设备的结构示意图；以及
图9为本发明实施例中计算机可读存储介质的结构示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例，例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
本发明提供的基于目标时间节点的深度重建方法，旨在解决现有技术中存在的问题。
下面以具体地实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本发明的实施例进行描述。
图1为本发明实施例中基于目标时间节点的深度重建方法的步骤流程图，如图1所示，本发明提供的基于目标时间节点的深度重建方法，包括如下步骤：
步骤S1：获取目标人脸的RGB图像、IR图像以及红外光斑图像；
图2为本发明实施例中采集目标人脸的RGB图像、IR图像以及红外光斑图像的步骤流程图，如图2所示，所述步骤S1包括如下步骤：
步骤S101：通过红外相机交替采集所述目标人脸的IR图像和红外光斑图像；
步骤S102：通过RGB相机采集所述目标人脸的RGB图像；
步骤S103：获取目标人脸的RGB图像、IR图像以及红外光斑图像，并对所述RGB图像进行实时预览。
在本发明实施例中，通过深度相机进行所述RGB图像、IR图像以及红外光斑图像；
所述深度相机包括离散光束投射器、面光源投射器、RGB相机以及红外相机
所述离散光束投射器，用于向目标人脸投射多束离散准直光束；
所述面光源投射器，用于向所述目标人脸体投射泛光；
所述红外相机，用于接收所述目标人脸反射后的离散准直光束，并根据所述反射后的离散准直光束获得所述目标人脸表面的红外光斑图像，接收所述目标人脸反射后的泛光，并根据所述反射后的泛光获得所述目标人脸表面的IR图像据。
所述RGB相机，用于采集所述目标人脸的RGB图像。
步骤S2：对所述RGB图像、所述IR图像进行人脸检测，同时对所述红外光斑图像进行预处理，以提取所述红外光斑图像中的多个光斑点区域；
在本发明实施例中，所述检测出人脸区域可以为将所述述RGB图像、所述IR图像中的人脸区域框出，并确实所述人脸区域的像素范围。所述表情检测可以通过基于神经网络的表情检测模型进行检测。
步骤S3：当在所述RGB图像、所述IR图像检测出人脸区域时，对所述人脸区域进行表情检测，确定该人脸区域的表情类型；
图3为本发明实施例中人脸检测的步骤流程图，如图3所示，所述步骤S3包括如下步骤：
步骤S301：当在所述RGB图像、所述IR图像检测出人脸区域时，触发步骤S303；
步骤S302：当没有在所述RGB图像、所述IR图像检测出人脸区域时时，并返回步骤S1重新进行所述目标人脸的RGB图像、IR图像以及红外光斑图像的获取；
步骤S303：对所述人脸区域进行表情检测，确定该人脸区域的表情类型。
在本发明实施例中，通过基于神经网络的人脸检测模型确定所述RGB图像中的人脸区域。
步骤S4：当所述表情类型为预设置的表情类型集合中的任一表情类型时，根据所述红外光斑图像的多个光斑点区域和所述RGB图像中的人脸区域对所述目标人脸进行深度重建生成深度人脸图像。
图4为本发明实施例中表情检测的步骤流程图，如图4所示，所述步骤S4包括如下步骤：
步骤S401：获取预设置的表情类型集合；
步骤S402：判断所述表情类型是否为预设置的表情类型集合中的一表情类型，当所述表情类型为预设置的表情类型集合中的一表情类型，触发步骤S403，当所述表情类型不是预设置的表情类型集合中的一表情类型，发出第一提示信息，并返回步骤S1；
步骤S403：根据所述红外光斑图像和所述RGB图像对所述目标人脸进行深度重建生成深度人脸图像。
在本发明实施例中，所述表情类型集合包括表情平淡和微笑。所述第一提示信息可以为头摆正，保持表情平淡以及请前视等。
在本发明实施例中，当对所述目标人脸进行深度重建生成深度人脸图像时，同时进行如下步骤：
-对所述RGB图像、所述IR图像进行质量检测；
-当所述IR图像符合预设置的质量标准时，对所述IR图像进行活体检测。
图5为本发明实施例中对RGB图像和IR图像进行质量检测的步骤流程图，如图5所示，对RGB图像和IR图像进行质量检测包括如下步骤：
步骤M1：获取预设置的图像质量标准；
步骤M2：判断所述RGB图像和所述IR图像是否为符合预设置的图像质量标准，当所述RGB图像和所述IR图像符合预设置的图像质量标准，触发步骤M3，当所述RGB图像和所述IR图像不符合预设置的图像质量标准，发出第二提示信息，并返回步骤S1；
步骤M3：根据所述IR图像对目标人脸进行活体检测。
在本发明实施例中，所述图像质量标准可以为对比度阈值，所述对比度阈值可以设置为150：1，当所述RGB图像和所述IR图像的对比度大于所述对比度阈值时，则认定所述RGB图像和所述IR图像符合预设置的图像质量标准。
在本发明实施例中，所述图像质量标准还可以采用PSNR(Peak Signal to NoiseRatio，峰值信噪比)阈值；所述PSNR阈值可以设置为30dB，当所述RGB图像和所述IR图像的对比度大于所述PSNR阈值时，则认定所述RGB图像和所述IR图像符合预设置的图像质量标准。
所述第二提示信息可以提高曝光时间、降低曝光时间以及进行背光补偿等。
在本发明实施例中，当所述IR图像通过活体检测时，对所述深度人脸图像进行活体检测，并在所述深度人脸图像通过活体检测后，输出活体人脸识别结果。
在本发明实施例中，所述活体人脸识别结果可以为通过活体检测的深度人脸图像、IR图像以及通过质量检测的RGB图像，还可以为活体检测的成功结果。
在本发明实施例中，通过IR图像通过活体检测时，具体为根据所述IR图像的光斑清晰度判断该光斑图像是否为活体人脸光斑图像，判断所述光斑清晰度是否在预设置的光斑清晰度阈值区间内，当所述像素区域的光斑清晰度在预设置的光斑清晰度阈值区间内时，判定该光斑图像为活体人脸光斑图像，所述光斑清晰度阈值区间为10～30。所述光斑清晰度的数值为：C为像素区域内的总像素数量，D(f)为光斑清晰度的数值，G(x,y)为卷积后中心像素的数值。
在本发明实施例中，还可以通过一基于神经网络的活体检测模型对所述IR图像进行活体检测，通过另一基于神经网络的活体检测模型对所述深度人脸图像进行活体检测。
图6为本发明实施例中对目标人脸进行深度重建的步骤流程图，如图6所示，根据所述红外光斑图像和所述RGB图像对所述目标人脸进行深度重建时包括如下步骤：
所述步骤S403包括如下步骤：
步骤S4031：将所述RGB图像的人脸区域映射到所述红外光斑图像中，确定所述红外光斑图像中人脸区域的多个光斑点；
步骤S4032：获取所述人脸区域的多个光斑点区域；
步骤S4033：根据所述人脸区域对应的所述光斑点区域的形变或位移生成所述人脸区域的深度人脸图像。
在本发明实施例中，根据结构光技术生产所述深度人脸图像，具体为，会根据光斑点区域的形变或位移，得到所述人脸区域的深度人脸图像，即得到待所述人脸区域的凹凸不平的深度信息。
在本发明实施例中，还可以通过多张红外光斑图像的延时或相位差，获得人脸区域的深度图像，即通过TOF技术进行所述深度图像的计算。
当实现本发明提供的基于目标时间节点的深度重建方法时，通过型号为Hi3516DV300的海思芯片进行实现，当通过神经网络推理引擎(NNIE，Neural NetworkInference Engine)对所述RGB图像、所述IR图像进行人脸检测，同时通过智能视频引擎(IVW，Intelligent Video Engine)对所述红外光斑图像进行预处理，以提取所述红外光斑图像中的多个光斑点区域；当通CPU和智能视频引擎对所述目标人脸进行深度重建生成深度人脸图像时，同时通过神经网络推理引擎顺次进行对所述RGB图像、所述IR图像进行质量检测和对所述IR图像进行活体检测。
图7为本发明实施例中基于目标时间节点的深度重建***的模块示意图，如图7所示，本发明提供的基于目标时间节点的深度重建***，包括如下模块：
图像采集模块，用于获取目标人脸的RGB图像、IR图像以及红外光斑图像；
人脸检测模块，用于对所述RGB图像、所述IR图像进行人脸检测；
表情检测模块，用于当在所述RGB图像、所述IR图像检测出人脸区域时，对所述人脸区域进行表情检测，确定该人脸区域的表情类型；
深度重建模块，用于当所述表情类型为预设置的表情类型集合中的任一表情类型时，根据所述红外光斑图像和符合预设置的表情类型的所述RGB图像对所述目标人脸进行深度重建生成深度人脸图像。
本发明实施例中还提供一种基于目标时间节点的深度重建设备，包括处理器。存储器，其中存储有处理器的可执行指令。其中，处理器配置为经由执行可执行指令来执行的基于目标时间节点的深度重建方法的步骤。
如上，该实施例中对RGB图像和IR图像在表情优选后才进行深度重建，避免了深度重建时因图像质量太差而失败，且能够在IR图像进行活体检测后生成深度人脸图像，使得抓拍流程能够紧凑的执行，缩短了整个抓拍流程的时间，提高了刷脸支付的效率。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为***、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“平台”。
图8是本发明实施例中的基于目标时间节点的深度重建设备的结构示意图。下面参照图8来描述根据本发明的这种实施方式的电子设备600。图8显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图8所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同平台组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中，存储单元存储有程序代码，程序代码可以被处理单元610执行，使得处理单元610执行本说明书上述基于目标时间节点的深度重建方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，处理单元610可以执行如图1中所示的步骤。
存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图8中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储平台等。
本发明实施例中还提供一种计算机可读存储介质，用于存储程序，程序被执行时实现的基于目标时间节点的深度重建方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行本说明书上述基于目标时间节点的深度重建方法部分中描述的根据本发明各种示例性实施方式的步骤。
如上所示，该实施例的计算机可读存储介质的程序在执行时，对RGB图像和IR图像在表情优选后才进行深度重建，避免了深度重建时因图像质量太差而失败，且能够在IR图像进行活体检测后生成深度人脸图像，使得抓拍流程能够紧凑的执行，缩短了整个抓拍流程的时间，提高了刷脸支付的效率。
图9是本发明实施例中的计算机可读存储介质的结构示意图。参考图9所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
在本发明实施例中，对RGB图像和IR图像在表情优选后才进行深度重建，避免了深度重建时因图像质量太差而失败，且能够在IR图像进行活体检测后生成深度人脸图像，使得抓拍流程能够紧凑的执行，缩短了整个抓拍流程的时间，提高了刷脸支付的效率。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。
Claims (9)
1.一种基于目标时间节点的深度重建方法，其特征在于，包括如下步骤：
步骤S1：获取目标人脸的RGB图像、IR图像以及红外光斑图像；
步骤S2：对所述RGB图像、所述IR图像进行人脸检测；
步骤S3：当在所述RGB图像、所述IR图像检测出人脸区域时，对所述人脸区域进行表情检测，确定该人脸区域的表情类型；
步骤S4：当所述表情类型为预设置的表情类型集合中的任一表情类型时，根据所述红外光斑图像和符合预设置的表情类型的所述RGB图像对所述目标人脸进行深度重建生成深度人脸图像；
其中，当对所述目标人脸进行深度重建生成深度人脸图像时，同时进行如下步骤：
对所述RGB图像、所述IR图像进行质量检测；
当所述IR图像符合预设置的质量标准时，对所述IR图像进行活体检测。
2.根据权利要求1所述的基于目标时间节点的深度重建方法，其特征在于，所述步骤S1包括如下步骤：
步骤S101：通过红外相机交替采集所述目标人脸的IR图像和红外光斑图像；
步骤S102：通过RGB相机采集所述目标人脸的RGB图像；
步骤S103：获取目标人脸的RGB图像、IR图像以及红外光斑图像，并对所述RGB图像进行实时预览。
3.根据权利要求1所述的基于目标时间节点的深度重建方法，其特征在于，所述步骤S3包括如下步骤：
步骤S301：当在所述RGB图像、所述IR图像检测出人脸区域时，触发步骤S303；
步骤S302：当没有在所述RGB图像、所述IR图像检测出人脸区域时时，并返回步骤S1重新进行所述目标人脸的RGB图像、IR图像以及红外光斑图像的获取；
步骤S303：对所述人脸区域进行表情检测，确定该人脸区域的表情类型。
4.根据权利要求1所述的基于目标时间节点的深度重建方法，其特征在于，所述步骤S4包括如下步骤：
步骤S401：获取预设置的表情类型集合；
步骤S402：判断所述表情类型是否为预设置的表情类型集合中的一表情类型，当所述表情类型为预设置的表情类型集合中的一表情类型，触发步骤S403，当所述表情类型不是预设置的表情类型集合中的一表情类型，发出第一提示信息，并返回步骤S1；
步骤S403：根据所述红外光斑图像的多个光斑点区域和所述符合预设置的表情类型的RGB图像对所述目标人脸进行深度重建生成深度人脸图像。
5.根据权利要求1所述的基于目标时间节点的深度重建方法，其特征在于，当对所述RGB图像、所述IR图像进行质量检测时，包括如下步骤：
步骤M1：获取预设置的图像质量标准；
步骤M2：判断所述RGB图像和所述IR图像是否为符合预设置的图像质量标准，当所述RGB图像和所述IR图像符合预设置的图像质量标准，触发步骤M3，当所述RGB图像和所述IR图像不符合预设置的图像质量标准，发出第二提示信息，并返回步骤S1；
步骤M3：根据所述IR图像对目标人脸进行活体检测。
6.根据权利要求4所述的基于目标时间节点的深度重建方法，其特征在于，所述步骤S403包括如下步骤：
步骤S4031：将所述RGB图像的人脸区域映射到所述红外光斑图像中，确定所述红外光斑图像中人脸区域的多个光斑点；
步骤S4032：获取所述人脸区域的多个光斑点区域；
步骤S4033：根据所述人脸区域对应的所述光斑点区域的形变或位移生成所述人脸区域的深度人脸图像。
7.一种基于目标时间节点的深度重建***，其特征在于，包括如下模块：
图像采集模块，用于获取目标人脸的RGB图像、IR图像以及红外光斑图像；
人脸检测模块，用于对所述RGB图像、所述IR图像进行人脸检测；
表情检测模块，用于当在所述RGB图像、所述IR图像检测出人脸区域时，对所述人脸区域进行表情检测，确定该人脸区域的表情类型；
深度重建模块，用于当所述表情类型为预设置的表情类型集合中的任一表情类型时，根据所述红外光斑图像和符合预设置的表情类型的所述RGB图像对所述目标人脸进行深度重建生成深度人脸图像；
其中，当对所述目标人脸进行深度重建生成深度人脸图像时，同时进行如下步骤：
对所述RGB图像、所述IR图像进行质量检测；
当所述IR图像符合预设置的质量标准时，对所述IR图像进行活体检测。
8.一种基于目标时间节点的深度重建设备，其特征在于，包括：
处理器；
存储器，其中存储有所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至6任一项所述的基于目标时间节点的深度重建方法的步骤。
9.一种计算机可读存储介质，用于存储程序，其特征在于，所述程序被执行时实现权利要求1至6任一项所述的基于目标时间节点的深度重建方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010411594.0A CN113673287B (zh) | 2020-05-15 | 2020-05-15 | 基于目标时间节点的深度重建方法、***、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010411594.0A CN113673287B (zh) | 2020-05-15 | 2020-05-15 | 基于目标时间节点的深度重建方法、***、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113673287A CN113673287A (zh) | 2021-11-19 |
| CN113673287B true CN113673287B (zh) | 2023-09-12 |
Family
ID=78537546
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010411594.0A Active CN113673287B (zh) | 2020-05-15 | 2020-05-15 | 基于目标时间节点的深度重建方法、***、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113673287B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107273794A (zh) * | 2017-04-28 | 2017-10-20 | 北京建筑大学 | 一种人脸识别过程中的活体鉴别方法及装置 |
| CN107358648A (zh) * | 2017-07-17 | 2017-11-17 | 中国科学技术大学 | 基于单张人脸图像的实时全自动高质量三维人脸重建方法 |
| WO2018040099A1 (zh) * | 2016-08-31 | 2018-03-08 | 深圳市唯特视科技有限公司 | 一种基于灰度和深度信息的三维人脸重建方法 |
| CN107886568A (zh) * | 2017-12-09 | 2018-04-06 | 东方梦幻文化产业投资有限公司 | 一种利用3D Avatar重建人脸表情的方法及*** |
| CN109191507A (zh) * | 2018-08-24 | 2019-01-11 | 北京字节跳动网络技术有限公司 | 三维人脸图像重建方法、装置和计算机可读存储介质 |
| CN109584358A (zh) * | 2018-11-28 | 2019-04-05 | 深圳市商汤科技有限公司 | 一种三维人脸重建方法及装置、设备和存储介质 |
| CN110650368A (zh) * | 2019-09-25 | 2020-01-03 | 新东方教育科技集团有限公司 | 视频处理方法、装置和电子设备 |
| CN110720105A (zh) * | 2019-09-11 | 2020-01-21 | 深圳市汇顶科技股份有限公司 | 人脸防伪检测方法、装置、芯片、电子设备和计算机可读介质 |
| WO2020035001A1 (en) * | 2018-08-16 | 2020-02-20 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Methods and devices for replacing expression, and computer readable storage media |
-
2020
- 2020-05-15 CN CN202010411594.0A patent/CN113673287B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018040099A1 (zh) * | 2016-08-31 | 2018-03-08 | 深圳市唯特视科技有限公司 | 一种基于灰度和深度信息的三维人脸重建方法 |
| CN107273794A (zh) * | 2017-04-28 | 2017-10-20 | 北京建筑大学 | 一种人脸识别过程中的活体鉴别方法及装置 |
| CN107358648A (zh) * | 2017-07-17 | 2017-11-17 | 中国科学技术大学 | 基于单张人脸图像的实时全自动高质量三维人脸重建方法 |
| CN107886568A (zh) * | 2017-12-09 | 2018-04-06 | 东方梦幻文化产业投资有限公司 | 一种利用3D Avatar重建人脸表情的方法及*** |
| WO2020035001A1 (en) * | 2018-08-16 | 2020-02-20 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Methods and devices for replacing expression, and computer readable storage media |
| CN109191507A (zh) * | 2018-08-24 | 2019-01-11 | 北京字节跳动网络技术有限公司 | 三维人脸图像重建方法、装置和计算机可读存储介质 |
| CN109584358A (zh) * | 2018-11-28 | 2019-04-05 | 深圳市商汤科技有限公司 | 一种三维人脸重建方法及装置、设备和存储介质 |
| CN110720105A (zh) * | 2019-09-11 | 2020-01-21 | 深圳市汇顶科技股份有限公司 | 人脸防伪检测方法、装置、芯片、电子设备和计算机可读介质 |
| CN110650368A (zh) * | 2019-09-25 | 2020-01-03 | 新东方教育科技集团有限公司 | 视频处理方法、装置和电子设备 |
Non-Patent Citations (1)
| Title |
|---|
| 基于人脸特征的三维重建及脸部动画;任梦园;《万方数据》;第1-69页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113673287A (zh) | 2021-11-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109477710B (zh) | 基于点的结构化光***的反射率图估计 | |
| JP6239594B2 (ja) | ３ｄ情報処理装置及び方法 | |
| WO2020206666A1 (zh) | 基于散斑图像的深度估计方法及装置、人脸识别*** | |
| US20130335535A1 (en) | Digital 3d camera using periodic illumination | |
| KR20130099735A (ko) | 원거리 획득이 가능한 ｔｏｆ카메라와 스테레오 카메라의 합성 시스템 및 방법 | |
| JP2020042772A (ja) | 深度マップに対して画像位置合せを行って深度データを最適化することができる深度データ処理システム | |
| US20160245641A1 (en) | Projection transformations for depth estimation | |
| CN108495113B (zh) | 用于双目视觉***的控制方法和装置 | |
| JP2015143679A (ja) | 視差演算システム、情報処理装置、情報処理方法及びプログラム | |
| JP2023530545A (ja) | 空間幾何情報推定モデルの生成方法及び装置 | |
| US20210192243A1 (en) | Method, system, and computer-readable medium for generating spoofed structured light illuminated face | |
| US11816854B2 (en) | Image processing apparatus and image processing method | |
| CN113673287B (zh) | 基于目标时间节点的深度重建方法、***、设备及介质 | |
| CN113673285B (zh) | 深度相机抓拍时的深度重建方法、***、设备及介质 | |
| CN113673286B (zh) | 基于目标区域的深度重建方法、***、设备及介质 | |
| CN112749610A (zh) | 深度图像、参考结构光图像生成方法、装置及电子设备 | |
| CN113673284B (zh) | 深度相机抓拍方法、***、设备及介质 | |
| US11195290B2 (en) | Apparatus and method for encoding in structured depth camera system | |
| CN111260781B (zh) | 一种生成图像信息的方法、装置和电子设备 | |
| CN114693590A (zh) | 基于光斑图像的距离检测方法、***、设备及存储介质 | |
| JP2017125764A (ja) | 物体検出装置、及び物体検出装置を備えた画像表示装置 | |
| KR102433837B1 (ko) | 3차원 정보 생성 장치 | |
| YUNFAN et al. | Indepth: Real-time depth inpainting for mobile augmented reality | |
| CN116704001A (zh) | 一种多帧深度重建方法、***、设备及存储介质 | |
| JP2002031511A (ja) | ３次元デジタイザ |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |