[发明专利]基于近红外光人脸3D重建的方法

说明书

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“A Flexible 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block matching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