[发明专利]一种三维固态面阵激光雷达人脸识别装置及方法在审
| 申请号: | 201811149663.4 | 申请日: | 2018-09-29 |
| 公开(公告)号: | CN109143260A | 公开(公告)日: | 2019-01-04 |
| 发明(设计)人: | 宋萍;刘殿敏 | 申请(专利权)人: | 北京理工大学 |
| 主分类号: | G01S17/89 | 分类号: | G01S17/89 |
| 代理公司: | 北京理工大学专利中心 11120 | 代理人: | 李爱英;郭德忠 |
| 地址: | 100081 *** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 人脸识别装置 灰度图像 深度图像 激光雷达 激光接收透镜 光电处理器 人脸目标 面阵 三维 图像获取设备 摄像头 标定装置 单摄像头 感光元件 精度要求 距离信息 人脸识别 远距离 标定 融合 | ||
本发明提供了一种三维固态面阵激光雷达人脸识别装置及方法,能够快速实现高精度远距离的激光雷达标定,并且标定装置小型化。本发明的人脸识别装置利用激光接收透镜组和光电处理器获得目标的距离信息即深度图像,也利用同样的激光接收透镜组,基于光电处理器的感光元件获得灰度图像,只利用一套图像获取设备获得目标的深度图像和灰度图像,无需两个摄像头,设备简单、成本低。另外相对于现有的单摄像头人脸识别装置,本发明不是单纯的针对灰度图像,通过结合人脸目标的深度图像,实现人脸目标灰度图像和深度图像的融合,提高了识别的精度,满足现阶段人脸识别的精度要求。
技术领域
本发明属于测量技术领域,尤其涉及一种三维固态面阵激光雷达人脸识别装置及方法。
背景技术
随着各个领域对人脸识别是需求,人脸识别技术在近几十年来得到了大量的研究,取得了丰富的成果。现有大部分研究均集中于基于二维图像的人脸识别,而二维图像对光照、姿态等变化适应性较差。随着三维图像获取设备的逐步推广,越来越多的研究开始转向基于三维图像的三维人脸识别。三维人脸数据在信息量方面拥有更为丰富的形状信息,且三维数据的采集不受光照影响。但是目前的三维图像获取设备都需要两个摄像头,一个用于获取彩色图像,另一个用于获取深度图像,因此其体积较大且成本较高。
另外,全局特征和局部特征在现有的人脸识别中得到了广泛应用。其中基于全局特征的人脸识别方法主要利用人脸的整体属性进行描述,对于正常的人脸表情识别精度较高,但对于表情变化的人脸,识别精度不理想;基于局部特征的人脸识别方法主要是通过对人脸细节的刻画来进行识别,对表情变化具有一定的鲁棒性,但由于缺少全局的结构信息,很难满足人脸识别的精度要求。近几年,研究人员也对二维和三维人脸识别的融合进行了研究,融合方法比单一方法采用的信息量更多,目前多数融合方法是通过单一的全局特征或局部特征分别进行二维人脸分类和三维人脸分类得到各自的得分,然后进行得分融合,没有全面考虑全局特征和局部特征的融合,以至于识别效果较差。
发明内容
有鉴于此,本发明提供了一种三维固态面阵激光雷达人脸识别装置及方法,能够快速实现高精度远距离的激光雷达标定,并且标定装置小型化。
为实现上述目的,本发明的技术方案如下:
本发明的一种三维固态面阵激光雷达人脸识别装置,包括光源驱动模块、激光发射模块、激光接收透镜组、集成CMOS光电处理器、信号处理模块以及后台处理器;
其中,所述光源驱动模块用于驱动激光发射模块发射调制激光;
激光接收透镜组接收到反射回的激光信号并将信号传输至光电处理器;
光电处理器对接收到的信号进行解调并计算得到激光雷达与人脸目标的距离信息;在激光发射模块不发射激光的情况下,通过感应自然光生成人脸目标的灰度图像;
信号处理模块对光电处理器得到的距离信息进行处理得到人脸目标的深度图像;
后台处理器用于对人脸目标的灰度图像和深度图像进行融合,通过对融合后的值进行判别,实现人脸识别。
其中,所述激光发射模块为一个面阵激光发射器,视场角为60°×45°,所述激光接收透镜组视场角为60°×45°。
其中,激光接收透镜组包括6个透镜和1个滤光片,滤光片固定在接收透镜组的底部,允许波长与激光发射模块发射波长一致。
其中,接收透镜组透镜上镀有与激光发射模块发射波长一致的增透膜。
其中,所述激光发射模块发射波长为850nm。
本发明还提供了一种三维固态面阵激光雷达人脸识别方法,采用本发明所述人脸识别装置,包括以下步骤:
步骤1,光电处理器在激光发射模块不发射激光的情况下生成人脸目标的灰度图像;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京理工大学,未经北京理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811149663.4/2.html,转载请声明来源钻瓜专利网。





