本發(fā)明涉及三維人臉識別技術(shù)領(lǐng)域，更具體地，涉及一種用于人臉識別的三維掃描系統(tǒng)。

背景技術(shù)：

人臉識別系統(tǒng)以人臉識別技術(shù)為核心，是一項新興的生物識別技術(shù)，是當(dāng)今國際科技領(lǐng)域攻關(guān)的高精尖技術(shù)。人臉因具有不可復(fù)制、采集方便、不需要被拍者的配合，使得人臉識別系統(tǒng)具有廣泛的應(yīng)用。如今，人臉識別技術(shù)已經(jīng)被廣泛地應(yīng)用于門禁等安防領(lǐng)域。

人臉識別技術(shù)主要還是依靠二維圖像識別方式，其方法為根據(jù)二維平面人臉側(cè)影或某視角提取并識別人臉特征。這種方法的可靠性差，受到被識別人的面部姿態(tài)、光照的影響較大。相對應(yīng)地，三維人臉識別技術(shù)準(zhǔn)確度高、適應(yīng)性強、抗攻擊性強、抗欺詐性強，比二維圖像的人臉識別技術(shù)更加可靠。

然而，現(xiàn)有的三維人臉識別技術(shù)主要關(guān)注的是如何對面部關(guān)鍵識別部位建模以及克服光線帶來的影響。但實際上，由于門禁應(yīng)用的環(huán)境的特殊性，被識別人可能處于惡劣天氣系統(tǒng)下，例如淋雨、下雪、霧霾等，造成了被識別人局部特征的不清楚，進而影響到了三維面部識別時的準(zhǔn)確度。

技術(shù)實現(xiàn)要素：

為了克服氣象條件對三維人臉識別技術(shù)在識別準(zhǔn)確度上的不利影響，本發(fā)明提供了一種用于人臉識別的三維掃描系統(tǒng)，包括：

聲音信號采集模塊，用于采集待識別人的聲音信號，并基于此聲音信號獲得待識別人聲稱的身份信息；

待識別人正面的雨或雪的密度信息獲取模塊，用于采集待識別人所處的自然環(huán)境下的雨或雪的下落信息，以獲得待識別人正面的雨或雪的密度信息；

實際三維面部圖像信息采集模塊，用于采集待識別人的實際三維面部圖像信息；

三維識別的初始位置信息確定模塊，用于根據(jù)雨或雪的下落信息、待識別人聲稱的身份信息和待識別人的實際三維面部圖像信息，確定三維識別的初始位置信息；

待識別人的三維面部信息識別模塊，用于根據(jù)初始位置信息，識別待識別人的三維面部信息；

待識別人的實際身份信息確定模塊，用于根據(jù)待識別人的面部信息，確定待識別人的實際身份信息。

進一步地，所述聲音信號采集模塊包括：

提示問題發(fā)出子模塊，用于向待識別人給出提示問題的語音信息，獲得待識別人在預(yù)定時間內(nèi)的聲音信息；

聲紋獲取子模塊，用于獲得待識別人的聲音信息的聲紋；

聲紋信息比較子模塊，用于將待識別人的聲音信息的聲紋與預(yù)設(shè)的聲紋信息集合進行比較，根據(jù)比較結(jié)果確定待識別人聲稱的身份信息。

進一步地，所述提示問題為隨機給出的提示問題。

進一步地，所述待識別人正面的雨或雪的密度信息獲取模塊包括：

聲音信息來源確定子模塊，用于確定待識別人的聲音信息來源的空間位置；

第一降水等級采集子模塊，被設(shè)置在待識別人腳下，用于采集雨或雪的降水等級；

柵格式遮擋子模塊，用于當(dāng)降水等級超過預(yù)設(shè)降水等級閾值時，在待識別人頭頂上方進行柵格式遮擋，以便于將降落到待識別人頭上的雨或雪的降水等級控制在預(yù)設(shè)降水等級閾值以下；

雨或雪的密度信息采集子模塊，用于采集待識別人正面的雨或雪的密度信息。

進一步地，所述雨或雪的密度信息采集子模塊包括：

多張待識別人的正面圖像獲取子模塊，用于在待識別人與正面掃描攝像頭之間采集多張待識別人的正面圖像；

待識別人聲稱的面部正面圖像確定子模塊，用于根據(jù)待識別人聲稱的身份信息，確定待識別人聲稱的面部正面圖像；

第一清晰度信息獲取子模塊，用于在預(yù)設(shè)分析區(qū)域內(nèi)，確定所述多張待識別人的正面圖像和所述待識別人聲稱的面部正面圖像之間的清晰度信息cj，所述預(yù)設(shè)分析區(qū)域為以預(yù)設(shè)采集點為中心、豎直方向的、半徑為預(yù)設(shè)長度r的區(qū)域，所述預(yù)設(shè)采集點的空間z方向坐標(biāo)為待識別人頭頂預(yù)定距離處，且當(dāng)進行柵格式遮擋時，該預(yù)設(shè)距離小于進行柵格式遮擋時距離待識別人頭頂?shù)木嚯x，該采集點的空間x方向和y方向坐標(biāo)為所述聲音信息來源的空間位置處的x坐標(biāo)和y坐標(biāo)，所述清晰度信息cj與待識別人的面部的各部位的生理特征為基礎(chǔ)，j為面部的各部位的數(shù)量且j≥5。

進一步地，所述實際三維面部圖像信息采集模塊包括基于聲音來源的圖像采集子模塊，用于采集待識別人在所述聲音信息來源的空間位置處為圖像中心的實際三維面部圖像信息。

進一步地，所述三維識別的初始位置信息確定模塊包括：

待識別人聲稱的面部正面圖像確定子模塊，用于根據(jù)待識別人聲稱的身份信息，確定待識別人聲稱的面部正面圖像；

參考識別圖像獲取子模塊，用于將所述清晰度信息疊加到所述面部正面圖像上，獲得參考識別圖像；

參考識別圖像比較子模塊，用于將所述參考識別圖像與待識別人的實際三維面部圖像信息進行比較，確定實際三維面部圖像信息中的面部區(qū)域；

匹配信息確定子模塊，用于在所述實際三維面部圖像信息中的面部區(qū)域中，確定所述實際三維面部圖像信息與所述待識別人聲稱的面部正面圖像之間的匹配信息，該匹配信息包括i個以面部的各部位的生理特征為基礎(chǔ)的變形區(qū)域，其中i大于10；

第一變形區(qū)域確定子模塊，用于當(dāng)所述i個所述變形區(qū)域的變形系數(shù)分別為αi時，根據(jù)對以各個變形區(qū)域為中心、變形分析半徑r為半徑的多個鄰域內(nèi)的下式計算，確定計算得到的最小的值對應(yīng)的、作為中心的變形區(qū)域amin，以及計算得到的最大的值對應(yīng)的、作為中心的變形區(qū)域amax：

其中r為某個變形區(qū)域與在其周圍的變形區(qū)域之間的距離，所述變形系數(shù)αi為以待識別人聲稱的面部正面圖像的各部位的生理特征為基礎(chǔ)的各個生理特征所在區(qū)域內(nèi)，表示該生理特征的輪廓的像素在參考識別圖像的相應(yīng)位置出現(xiàn)的個數(shù)；

二次采集子模塊，用于以t為周期，對所述變形區(qū)域amin中心所在處為圖像中心的實際三維面部圖像信息進行p次二次采集，從中提取二維面部圖像，并在各周期內(nèi)確定所述被提取的二維面部圖像和所述待識別人聲稱的面部正面圖像之間的清晰度信息所述清晰度信息以待識別人的面部的各部位的生理特征為基礎(chǔ)，j為面部的各部位的數(shù)量且j≥5；

清晰度判別矩陣構(gòu)建子模塊，用于以各個二次采集期間得到的構(gòu)建清晰度判別矩陣，該矩陣的每一行為某一個二次采集期間得到的待識別人的面部的各部位對應(yīng)的清晰度，該矩陣的每一列為對待識別人的面部的某個部位進行各個二次采集期間得到的清晰度，即：二次采集期間的第一次采集得到的待識別人的面部的各部位對應(yīng)的清晰度為第一行，第二次采集得到的待識別人的面部的各部位對應(yīng)的清晰度為第二行，以此類推；

方差計算子模塊，用于計算所述清晰度判別矩陣的各列的方差dq，其中q為所述清晰度判別矩陣的列數(shù)；

清晰度判別矩陣處理子模塊，用于去掉所述清晰度判別矩陣中方差dq最大的清晰度信息所在的行，獲得經(jīng)過處理的清晰度判別矩陣；

第二變形區(qū)域確定子模塊，用于對于所述經(jīng)過處理的清晰度判別矩陣中的各行，依次進行下列二次處理：根據(jù)對以各個變形區(qū)域為中心、所述變形分析半徑r為半徑的多個鄰域內(nèi)的下式計算，確定計算得到的最小的值：

初始位置信息確定子模塊，用于將該二次處理中得到的所述最小的值對應(yīng)的作為中心的變形區(qū)域的幾何中心作為初始位置，該幾何中心的位置信息作為初始位置信息。

進一步地，所述降水等級按照氣象學(xué)上一段時間內(nèi)降水量為劃分標(biāo)準(zhǔn)。

進一步地，所述系統(tǒng)還包括安全防范等級設(shè)定模塊，用于根據(jù)所述待識別人聲稱的身份信息和待識別人的實際身份信息，確定門禁系統(tǒng)的安全防范等級。

本發(fā)明的有益效果是：

(1)能夠提高雨中或雪中人臉識別的準(zhǔn)確度；

(2)能夠基于對雨或雪的多次分析，動態(tài)地確定而非靜止地指定三維識別時的初始位置，相比現(xiàn)有技術(shù)中常用到的直接默認為“鼻尖”、“眉心”等位置具有更加廣泛的適用性和可靠性，能夠避免因為待識別人自身的生理缺陷造成識別失敗。

附圖說明

圖1示出了根據(jù)本發(fā)明的用于人臉識別的三維掃描系統(tǒng)的組成框圖。

圖2示出了根據(jù)本發(fā)明的用于人臉識別的三維掃描系統(tǒng)的流程圖。

具體實施方式

如圖1所示，本發(fā)明提供了一種用于人臉識別的三維掃描系統(tǒng)，包括：聲音信號采集模塊，用于采集待識別人的聲音信號，并基于此聲音信號獲得待識別人聲稱的身份信息；

待識別人正面的雨或雪的密度信息獲取模塊，用于采集待識別人所處的自然環(huán)境下的雨或雪的下落信息，以獲得待識別人正面的雨或雪的密度信息；

實際三維面部圖像信息采集模塊，用于采集待識別人的實際三維面部圖像信息；

三維識別的初始位置信息確定模塊，用于根據(jù)雨或雪的下落信息、待識別人聲稱的身份信息和待識別人的實際三維面部圖像信息，確定三維識別的初始位置信息；

待識別人的三維面部信息識別模塊，用于根據(jù)初始位置信息，識別待識別人的三維面部信息；

待識別人的實際身份信息確定模塊，用于根據(jù)待識別人的面部信息，確定待識別人的實際身份信息。

所述聲音信號采集模塊包括：

提示問題發(fā)出子模塊，用于向待識別人給出提示問題的語音信息，獲得待識別人在預(yù)定時間內(nèi)的聲音信息；

聲紋獲取子模塊，用于獲得待識別人的聲音信息的聲紋；

聲紋信息比較子模塊，用于將待識別人的聲音信息的聲紋與預(yù)設(shè)的聲紋信息集合進行比較，根據(jù)比較結(jié)果確定待識別人聲稱的身份信息。

所述提示問題為隨機給出的提示問題。

所述待識別人正面的雨或雪的密度信息獲取模塊包括：

聲音信息來源確定子模塊，用于確定待識別人的聲音信息來源的空間位置；

第一降水等級采集子模塊，被設(shè)置在待識別人腳下，用于采集雨或雪的降水等級；

柵格式遮擋子模塊，用于當(dāng)降水等級超過預(yù)設(shè)降水等級閾值時，在待識別人頭頂上方進行柵格式遮擋，以便于將降落到待識別人頭上的雨或雪的降水等級控制在預(yù)設(shè)降水等級閾值以下；

雨或雪的密度信息采集子模塊，用于采集待識別人正面的雨或雪的密度信息。

所述雨或雪的密度信息采集子模塊包括：

多張待識別人的正面圖像獲取子模塊，用于在待識別人與正面掃描攝像頭之間采集多張待識別人的正面圖像；

待識別人聲稱的面部正面圖像確定子模塊，用于根據(jù)待識別人聲稱的身份信息，確定待識別人聲稱的面部正面圖像；

第一清晰度信息獲取子模塊，用于在預(yù)設(shè)分析區(qū)域內(nèi)，確定所述多張待識別人的正面圖像和所述待識別人聲稱的面部正面圖像之間的清晰度信息cj，所述預(yù)設(shè)分析區(qū)域為以預(yù)設(shè)采集點為中心、豎直方向的、半徑為預(yù)設(shè)長度r的區(qū)域，所述預(yù)設(shè)采集點的空間z方向坐標(biāo)為待識別人頭頂預(yù)定距離處，且當(dāng)進行柵格式遮擋時，該預(yù)設(shè)距離小于進行柵格式遮擋時距離待識別人頭頂?shù)木嚯x，該采集點的空間x方向和y方向坐標(biāo)為所述聲音信息來源的空間位置處的x坐標(biāo)和y坐標(biāo)，所述清晰度信息cj與待識別人的面部的各部位的生理特征為基礎(chǔ)，j為面部的各部位的數(shù)量且j≥5。

所述實際三維面部圖像信息采集模塊包括基于聲音來源的圖像采集子模塊，用于采集待識別人在所述聲音信息來源的空間位置處為圖像中心的實際三維面部圖像信息。

所述三維識別的初始位置信息確定模塊包括：

待識別人聲稱的面部正面圖像確定子模塊，用于根據(jù)待識別人聲稱的身份信息，確定待識別人聲稱的面部正面圖像；

參考識別圖像獲取子模塊，用于將所述清晰度信息疊加到所述面部正面圖像上，獲得參考識別圖像；

參考識別圖像比較子模塊，用于將所述參考識別圖像與待識別人的實際三維面部圖像信息進行比較，確定實際三維面部圖像信息中的面部區(qū)域；

匹配信息確定子模塊，用于在所述實際三維面部圖像信息中的面部區(qū)域中，確定所述實際三維面部圖像信息與所述待識別人聲稱的面部正面圖像之間的匹配信息，該匹配信息包括i個以面部的各部位的生理特征為基礎(chǔ)的變形區(qū)域，其中i大于10；

第一變形區(qū)域確定子模塊，用于當(dāng)所述i個所述變形區(qū)域的變形系數(shù)分別為αi時，根據(jù)對以各個變形區(qū)域為中心、變形分析半徑r為半徑的多個鄰域內(nèi)的下式計算，確定計算得到的最小的值對應(yīng)的、作為中心的變形區(qū)域amin，以及計算得到的最大的值對應(yīng)的、作為中心的變形區(qū)域amax：

其中r為某個變形區(qū)域與在其周圍的變形區(qū)域之間的距離，所述變形系數(shù)αi為以待識別人聲稱的面部正面圖像的各部位的生理特征為基礎(chǔ)的各個生理特征所在區(qū)域內(nèi)，表示該生理特征的輪廓的像素在參考識別圖像的相應(yīng)位置出現(xiàn)的個數(shù)；

二次采集子模塊，用于以t為周期，對所述變形區(qū)域amin中心所在處為圖像中心的實際三維面部圖像信息進行p次二次采集，從中提取二維面部圖像，并在各周期內(nèi)確定所述被提取的二維面部圖像和所述待識別人聲稱的面部正面圖像之間的清晰度信息所述清晰度信息以待識別人的面部的各部位的生理特征為基礎(chǔ)，j為面部的各部位的數(shù)量且j≥5；

清晰度判別矩陣構(gòu)建子模塊，用于以各個二次采集期間得到的構(gòu)建清晰度判別矩陣，該矩陣的每一行為某一個二次采集期間得到的待識別人的面部的各部位對應(yīng)的清晰度，該矩陣的每一列為對待識別人的面部的某個部位進行各個二次采集期間得到的清晰度，即：二次采集期間的第一次采集得到的待識別人的面部的各部位對應(yīng)的清晰度為第一行，第二次采集得到的待識別人的面部的各部位對應(yīng)的清晰度為第二行，以此類推；

方差計算子模塊，用于計算所述清晰度判別矩陣的各列的方差dq，其中q為所述清晰度判別矩陣的列數(shù)；

清晰度判別矩陣處理子模塊，用于去掉所述清晰度判別矩陣中方差dq最大的清晰度信息所在的行，獲得經(jīng)過處理的清晰度判別矩陣；

第二變形區(qū)域確定子模塊，用于對于所述經(jīng)過處理的清晰度判別矩陣中的各行，依次進行下列二次處理：根據(jù)對以各個變形區(qū)域為中心、所述變形分析半徑r為半徑的多個鄰域內(nèi)的下式計算，確定計算得到的最小的值：

初始位置信息確定子模塊，用于將該二次處理中得到的所述最小的值對應(yīng)的作為中心的變形區(qū)域的幾何中心作為初始位置，該幾何中心的位置信息作為初始位置信息。

所述降水等級按照氣象學(xué)上一段時間內(nèi)降水量為劃分標(biāo)準(zhǔn)。

所述系統(tǒng)還包括安全防范等級設(shè)定模塊，用于根據(jù)所述待識別人聲稱的身份信息和待識別人的實際身份信息，確定門禁系統(tǒng)的安全防范等級。

如圖2所示，本發(fā)明提供了一種用于人臉識別的三維掃描系統(tǒng)相對應(yīng)的方法的工作流程圖，包括：

(1)采集待識別人的聲音信號，并基于此聲音信號獲得待識別人聲稱的身份信息；

(2)采集待識別人所處的自然環(huán)境下的雨或雪的下落信息，以獲得待識別人正面的雨或雪的密度信息；

(3)采集待識別人的實際三維面部圖像信息；

(4)根據(jù)雨或雪的下落信息、待識別人聲稱的身份信息和待識別人的實際三維面部圖像信息，確定三維識別的初始位置信息；

(5)根據(jù)初始位置信息，識別待識別人的三維面部信息；

(6)根據(jù)待識別人的面部信息，確定待識別人的實際身份信息。

所述步驟(1)包括：

(11)向待識別人給出提示問題的語音信息，獲得待識別人在預(yù)定時間內(nèi)的聲音信息；

(12)獲得待識別人的聲音信息的聲紋；

(13)將待識別人的聲音信息的聲紋與預(yù)設(shè)的聲紋信息集合進行比較，根據(jù)比較結(jié)果確定待識別人聲稱的身份信息。

所述提示問題為隨機給出的提示問題。

步驟(2)包括：

(21)確定待識別人的聲音信息來源的空間位置；

(22)在待識別人腳下采集雨或雪的降水等級；

(23)當(dāng)降水等級超過預(yù)設(shè)降水等級閾值時，在待識別人頭頂上方進行柵格式遮擋，以便于將降落到待識別人頭上的雨或雪的降水等級控制在預(yù)設(shè)降水等級閾值以下；

(24)采集待識別人正面的雨或雪的密度信息。

所述步驟(24)包括：

(241)在待識別人與正面掃描攝像頭之間采集多張待識別人的正面圖像；

(242)根據(jù)待識別人聲稱的身份信息，確定待識別人聲稱的面部正面圖像；

(243)在預(yù)設(shè)分析區(qū)域內(nèi)，確定所述多張待識別人的正面圖像和所述待識別人聲稱的面部正面圖像之間的清晰度信息cj，所述預(yù)設(shè)分析區(qū)域為以預(yù)設(shè)采集點為中心、豎直方向的、半徑為預(yù)設(shè)長度r的區(qū)域，所述預(yù)設(shè)采集點的空間z方向坐標(biāo)為待識別人頭頂預(yù)定距離處，且當(dāng)進行柵格式遮擋時，該預(yù)設(shè)距離小于進行柵格式遮擋時距離待識別人頭頂?shù)木嚯x，該采集點的空間x方向和y方向坐標(biāo)為所述聲音信息來源的空間位置處的x坐標(biāo)和y坐標(biāo)，所述清晰度信息cj與待識別人的面部的各部位的生理特征為基礎(chǔ)，j為面部的各部位的數(shù)量且j≥5。

所述步驟(3)包括采集待識別人在所述聲音信息來源的空間位置處為圖像中心的實際三維面部圖像信息。

所述步驟(4)包括：

(411)根據(jù)待識別人聲稱的身份信息，確定待識別人聲稱的面部正面圖像；

(412)將所述清晰度信息疊加到所述面部正面圖像上，獲得參考識別圖像；

(413)將所述參考識別圖像與待識別人的實際三維面部圖像信息進行比較，確定實際三維面部圖像信息中的面部區(qū)域；

(414)在所述實際三維面部圖像信息中的面部區(qū)域中，確定所述實際三維面部圖像信息與所述待識別人聲稱的面部正面圖像之間的匹配信息，該匹配信息包括i個以面部的各部位的生理特征為基礎(chǔ)的變形區(qū)域，其中i大于10；

(415)設(shè)所述i個所述變形區(qū)域的變形系數(shù)分別為αi，根據(jù)對以各個變形區(qū)域為中心、變形分析半徑r為半徑的多個鄰域內(nèi)的下式計算，確定計算得到的最小的值對應(yīng)的、作為中心的變形區(qū)域amin，以及計算得到的最大的值對應(yīng)的、作為中心的變形區(qū)域amax：

其中r為某個變形區(qū)域與在其周圍的變形區(qū)域之間的距離，所述變形系數(shù)αi為以待識別人聲稱的面部正面圖像的各部位的生理特征為基礎(chǔ)的各個生理特征所在區(qū)域內(nèi)，表示該生理特征的輪廓的像素在參考識別圖像的相應(yīng)位置出現(xiàn)的個數(shù)；

(416)以t為周期，對所述變形區(qū)域amin中心所在處為圖像中心的實際三維面部圖像信息進行p次二次采集，從中提取二維面部圖像，并在各周期內(nèi)確定所述被提取的二維面部圖像和所述待識別人聲稱的面部正面圖像之間的清晰度信息所述清晰度信息以待識別人的面部的各部位的生理特征為基礎(chǔ)，j為面部的各部位的數(shù)量且j≥5；

(417)以各個二次采集期間得到的構(gòu)建清晰度判別矩陣，該矩陣的每一行為某一個二次采集期間得到的待識別人的面部的各部位對應(yīng)的清晰度，該矩陣的每一列為對待識別人的面部的某個部位進行各個二次采集期間得到的清晰度，即：二次采集期間的第一次采集得到的待識別人的面部的各部位對應(yīng)的清晰度為第一行，第二次采集得到的待識別人的面部的各部位對應(yīng)的清晰度為第二行，以此類推；

(418)計算所述清晰度判別矩陣的各列的方差dq，其中q為所述清晰度判別矩陣的列數(shù)；

(419)去掉所述清晰度判別矩陣中方差dq最大的清晰度信息所在的行，獲得經(jīng)過處理的清晰度判別矩陣；

(420)對于所述經(jīng)過處理的清晰度判別矩陣中的各行，依次進行下列二次處理：根據(jù)對以各個變形區(qū)域為中心、所述變形分析半徑r為半徑的多個鄰域內(nèi)的下式計算，確定計算得到的最小的值：

(421)將該二次處理中得到的所述最小的值對應(yīng)的作為中心的變形區(qū)域的幾何中心作為初始位置，該幾何中心的位置信息作為初始位置信息。

所述降水等級按照氣象學(xué)上一段時間內(nèi)降水量為劃分標(biāo)準(zhǔn)。

所述方法還包括根據(jù)所述待識別人聲稱的身份信息和待識別人的實際身份信息，確定門禁系統(tǒng)的安全防范等級。

本申請中未提及的三維人臉識別具體步驟是在確定了上述初始位置信息以后，可以利用現(xiàn)有技術(shù)中的各種模型和算法進行的，并非本申請的主要技術(shù)方案，且不影響本申請的實施，在此不再贅述。

以上對于本發(fā)明的較佳實施例所作的敘述是為闡明的目的，而無意限定本發(fā)明精確地為所揭露的形式，基于以上的教導(dǎo)或從本發(fā)明的實施例學(xué)習(xí)而作修改或變化是可能的，實施例是為解說本發(fā)明的原理以及讓所屬領(lǐng)域的技術(shù)人員以各種實施例利用本發(fā)明在實際應(yīng)用上而選擇及敘述，本發(fā)明的技術(shù)思想企圖由權(quán)利要求及其均等來決定。