3D動態人臉識別技術分析——世紀晟人臉識別實現三維人臉建模

- 目錄

- 國內3D動態人臉識別現狀概況

- 新形勢下人臉識別技術發展潛力

- 基於深度學習的3D動態人臉識別技術分析

1. 非線性數據建模方法

2. 基於3D變形模型的人臉建模

- 案例結合——世紀晟人臉識別實現三維人臉建模

 

 

· 3D動態人臉識別現狀概況

 

衆所周知，在3D人臉識別總體技術方案方面，目前全球範圍內掌握3D人臉識別核心技術的公司並很少，特別是在覈心算法、芯片層面。然而，從2D到3D，技術更迭升級勢在必行。

 

3D人臉識別主要採用的是主動光技術，經過紅外發光器發射出一束光，造成光斑，再經過IR 攝像頭讀取該圖案，並對點狀圖在物體上發生的扭曲、以及點與點之間的距離進行計算，再加上RGB圖像，結合起來就構成了一個3D模型，傳聞中的蘋果iPhone X 就採用的就是相似這樣的3D攝像頭模組。

 

儘管3D成像很是有市場前景，但在3D人臉識別領域，世紀晟科技認爲除手機移動端領域蘋果IOS系統外，其它行業要消化3D人臉識別的軟件原理、硬件設計等，還須要較長的一段時間才能完成。

 

· 新形勢下人臉識別技術發展潛力

 

據前瞻產業研究院發佈的《人臉識別行業市場前瞻與投資戰略規劃分析報告》數據顯示，2009年，全球生物識別市場規模爲34．22億美圓，其中，人臉識別佔比11．4％，市場規模約3．90億美圓；到2016年，全球生物識別市場規模在127．13億美圓左右，其中人臉識別規模約26．53億美圓，佔比在20％左右。

 

從技術發展趨勢來看，目前，愈來愈多研究機構開始對人臉識別技術進行更深刻的研究，以尋求更好、更新的人臉識別技術。

從市場趨勢來看，隨着高科技信息技術的快速發展，將來人臉識別技術將逐漸向市場化、產品化的方向發展，目前隨着世紀晟人臉識別技術應用範圍的擴大，針對人臉識別產品、行業應用領域將愈來愈多。

 

人臉識別做爲人類視覺上最傑出的能力之一，優點明顯，相比指紋識別、虹膜識別等傳統的生物識別方式，具備非接觸性、非侵擾性、硬件基礎完善和採集快捷便利、可拓展性好的優點，將來將成爲識別主導技術。

 

· 基於深度學習的3D動態人臉識別技術實現

 

1. 非線性數據建模方法

 

> 獨立成分分析

 

> 主曲線和曲面

 

 

2. 基於3D變形模型的人臉建模

 

· 案例結合——世紀晟人臉識別技術實現三維人臉建模

 

人臉建模，便是根據輸入的人臉圖像，如眼睛、鼻尖、嘴角點、眉毛以及人臉各部件輪廓點等，自動定位出面部關鍵特徵點。世紀晟人臉識別結合計算機視覺、深度學習技術的研究和應用，以3D動態人臉識別技術爲算法核心，不斷深耕生物識別技術，提高人臉識別領域行業管理方案解決能力。

 

一、世紀晟人臉識別技術分析--人臉檢測

 

人臉檢測的目的就是在一張圖中找到全部的人臉，MTCNN（多任務級聯卷積神經網絡）人臉檢測算法更有效地解決了傳統算法對環境要求高、人臉要求高、檢測耗時高的弊端。

2、世紀晟人臉識別技術分析—活體檢測

 

在生物識別系統中，爲防止惡意者僞造和竊取他人的生物特徵用於身份認證，生物識別系統需具備活體檢測功能，即判斷提交的生物特徵是否來自有生命的個體。

3、世紀晟人臉識別技術分析—3D人臉建模

人臉建模任務即根據輸入的人臉圖像，自動定位出面部關鍵特徵點，如眼睛、鼻尖、嘴角點、眉毛以及人臉各部件輪廓點等。

4、世紀晟人臉識別技術分析—特徵點提取

世紀晟科技採用DeepID網特徵提取+softmax分類的方式，提取人臉中136個關鍵點，達到高精度，高識別率的效果。

· 算法示意圖

 

· DeepNets的訓練網絡示意圖

 

5、世紀晟人臉識別技術分析—特徵點比對

經過以前的處理方式，將總體特徵點結合局部特徵點，進行三維人臉識別，輸出比對結果。