一种基于B-MLP的三维人脸识别方法

本发明涉及一种人脸识别方法，特别是一种基于b-mlp的三维人脸识别方法。

背景技术：

1、二维人脸识别技术主要依赖于面部纹理信息，受光照、色彩、纹理等因素的影响大，同时，易被图像、视频、仿真面具的人脸破解攻击。与之相比，人脸的三维空间数据中包含了诸如人脸深度和空间姿态等更丰富的特征，能够较好的处理光照、色彩、纹理等条件的变化，能够很好的解决目前二维人脸识别所面临的问题。同时，三维人脸识别也存在一些问题。不同表情姿态可能会影响点的分布与点云形态，会对整个面部的三维人脸识别造成一定的影响。人脸三维点云数据量较庞大，对算法的实时性带来一定挑战，如何快速进行点云处理和人脸识别也是一大难题。

技术实现思路

1、发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种基于b-mlp的三维人脸识别方法。

2、为了解决上述技术问题，本发明公开了一种基于b-mlp的三维人脸识别方法，包括以下步骤：

3、步骤1，获取人脸三维点云数据并过滤背景信息，得到原始点云；

4、步骤2，对原始点云进行预处理操作，压缩点云并去除重复点，得到预处理后的目标点云；

5、步骤3，在目标点云中检测鼻尖点并截取鼻尖区域为特征点云，进行球坐标变换；

6、步骤4，计算目标点云中各点到鼻尖点的测地距离，进行保形分段三次插值，得到点数相同的人脸面部曲线；

7、步骤5，人脸面部曲线特征提取，即计算人脸面部曲线的特征，作为神经网络即b-mlp模型的输入数据；所述特征即人脸面部曲线在各点的曲率和挠率特征；

8、步骤6，使用所述输入数据训练b-mlp模型进行人脸识别，所有输入数据组成人脸数据库，计算出所述人脸数据库中所有点云的概率分布，选择概率最大的人脸，完成基于b-mlp的三维人脸识别。

9、有益效果：

10、本发明提出的一种基于b-mlp的三维人脸识别方法，利用人脸的三维空间信息进行识别，可以有效解决传统二维人脸识别受光线、面部色彩与纹理等因素的影响，识别性能更强。并且仅支持活体检测，可有效抵御图像、视频等攻击，具有较强的防伪性。采取基于frenet框架提取曲线特征作为识别信息，避免面部表情、姿态的变化造成的识别误差，鲁棒性更高。同时，本发明相对于传统的机器学习方式算法的运行速度更快，可以提高人脸的识别速度，符合系统实时性的要求。

技术特征：

1.一种基于b-mlp的三维人脸识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于b-mlp的三维人脸识别方法，其特征在于，步骤1中所述的得到原始三维点云的方法包括：

3.根据权利要求2所述的一种基于b-mlp的三维人脸识别方法，其特征在于，步骤2中所述的预处理操作，包括：

4.根据权利要求3所述的一种基于b-mlp的三维人脸识别方法，其特征在于，步骤3中所述的截取鼻尖区域的方法，包括：

5.根据权利要求4所述的一种基于b-mlp的三维人脸识别方法，其特征在于，步骤4中所述的得到点数相同的人脸面部曲线的方法，包括：

6.根据权利要求5所述的一种基于b-mlp的三维人脸识别方法，其特征在于，步骤5中所述的计算人类面部曲线的特征，具体方法包括：

7.根据权利要求6所述的一种基于b-mlp的三维人脸识别方法，其特征在于，步骤6中所述的b-mlp模型，构建方法包括：改变现有mlp神经网络模型的神经元数量和隐藏层层数，进行测试，经过计算，建立结构为256-512-256的三层b-mlp模型。

8.根据权利要求7所述的一种基于b-mlp的三维人脸识别方法，其特征在于，步骤6中所述的进行人脸识别的方法，包括：

9.根据权利要求8所述的一种基于b-mlp的三维人脸识别方法，其特征在于，步骤6中所述的在人脸数据库中选取训练集和测试集，即在人脸数据库中选取70％的数据作为训练集，30％的数据作为测试集。

10.根据权利要求9所述的一种基于b-mlp的三维人脸识别方法，其特征在于，步骤6中所述的进行人脸识别的方法，采用批量归一化操作进一步提高识别准确率。

技术总结
本发明提出了一种基于B‑MLP的三维人脸识别方法，包括：获取人脸三维点云数据并过滤背景信息得到原始点云；对原始点云进行预处理操作得到预处理后的目标点云；在目标点云中检测鼻尖点并截取鼻尖区域为特征点云进行球坐标变换；计算目标点云中各点到鼻尖点的测地距离，进行保形分段三次插值，得到点数相同的人脸面部曲线；计算人脸面部曲线的特征作为神经网络即B‑MLP模型的输入数据；使用输入数据训练B‑MLP模型进行人脸识别，所有输入数据组成人脸数据库，计算人脸数据库中所有点云的概率分布，选择概率最大的人脸，完成基于B‑MLP的三维人脸识别。

技术研发人员：袁杰,王心悦,蔡志成,王育昕,沈庆宏
受保护的技术使用者：南京大学
技术研发日：
技术公布日：2024/1/13