一种应用双目识别的人像采集方法与流程

1.本发明涉及图像识别技术领域，尤其涉及一种应用双目识别的人像采集方法。


背景技术：

2.基于人脸图像的身份鉴别旨在使计算机具有通过人脸来鉴别身份的功能。它是一种依托于图像理解、模式识别、计算机视觉和神经网络等高技术的智能系统，可以部分甚至全部地代替人类从事复杂而频繁的基于人脸图像的身份识别工作。由于其广泛的应用领域，人脸识别技术在近三十年里得到了广泛的关注和研究，并且正在被推向应用。
3.有资料显示，如今人脸识别已被广泛应用于各种用于安全验证的领域，包括手机各类应用软件对于用户实名信息的验证，以及银行对于办理个人业务人员的身份验证，相比以往通过人工验证真实身份繁琐的步骤，大大简化工作流程，节约资源，确保身份验证的可靠性。但是用于验证环境的多样性，采集的人脸图像也会因环境的变换存在差异，因而对于识别技术有了更高的要求。
4.中国专利文献cn111982074a公开了一种“基于双目立体视觉的坐姿识别方法”。采用了包括灯座，灯架和灯罩，所述的灯座内设置电子控制装置，所述的电子控制装置设置电源电路和处理器，所述的处理器连接双目立体视觉装置和蜂鸣器，所述的双目立体视觉装置设置在所述的灯座上，指向θ度的斜上方，所述的处理器设置坐姿识别算法，包括以下步骤：(1)双目立体视觉装置获取深度图像hi(x,y)；(2)将深度图像hi(x,y)变换为水平方向上的距离信息di(x,y)； (3)距离信息di(x,y)进行二值化得到d0i(x,y)；(4)对d0i(x,y)进行腐蚀膨胀，得到d1i(x,y)；(5)统计d1i(x,y)中不为零的像素点的数量ni，如果ni>m*n*r，则判断坐姿不正确。上述技术方案单纯应用双目识别根据景深进行坐姿判断，未考虑光照条件对景深信息的影响，从而导致图像出现偏差，影响判断结果。


技术实现要素：

5.本发明主要解决原有的技术方案未考虑光照影响的技术问题，提供一种应用双目识别的人像采集方法，通过双目摄像头采集图像的视差进行距离测量，构建准确的三维坐标空间进行生成人像，并且采用深度相机结合光照补偿，实现采集图像标准化实现判断的统一，从而避免环境变换引起的环境光等因素变化导致的采集图像之间产生偏差，影响采集图像的统一性，从而影响准确、迅速的人像识别。
6.本发明的上述技术问题主要是通过下述技术方案得以解决的：本发明包括以下步骤：
7.s1通过两个摄像头采集不同光照图像p
xn
和图像p
yn
；
8.s2分别对不同光照图像p
xn
和图像p
yn
进行光照归一化处理，并且构建光照基准图像p
′
xn
和图像p
′
yn
；
9.s3对图像p
′
xn
和图像p
′
yn
进行预处理和认知确定，基于图像的深度学习认知特征确认采集对象的针对性认知特征；
10.s4根据双目立体成像原理进行视差计算并获取点云图；
11.s5根据采集对象的针对性认知特征和点云图构建三维坐标空间；
12.s6对三维坐标空间的识别度精度要求和误差要求进行判断。
13.作为优选，所述的步骤s1中两个摄像头之间的相对位置保持固定。两个摄像头保持相对固定，即两摄像头之间距离保持不变，使得采集图像格式保持一致，确保标准统一，便于识别。
14.作为优选，所述的步骤s2的光照归一化处理具体包括：
15.s2.1输入图像p
xn
(x
xn
，y
xn
)和图像p
yn
(x
yn
，y
yn
)，并取对数；
16.s2.2计算阴影层图像；
17.s2.3计算反射层图像并进行指数变换；
18.s2.4选取图像p
xn
(x
xn
，y
xn
)的样本图像g
x
(x
xn
，y
xn
)，并计算其直方图取图像p
yn
(x
yn
，y
yn
)的样本图像g
y
(x
yn
，y
yn
)，并计算其直方图
19.s2.5对反射层图像采用直方图匹配法进行归一化处理，得到经光照归一化方法矫正后的图像r
x
(x
x
，y
x
)和r
y
(x
y
，y
y
)。
20.作为优选，所述的步骤s3中的预处理包括滤波、降噪、白平衡、扭曲处理和仿射变换。通过滤波将信号中特定波段频率滤除的操作，用于抑制和防止干扰，降噪用于排除干扰性因素，白平衡以纠正色温，还原采集主体的色彩，使在不同光源条件下拍摄的画面同人眼观看的画面色彩相近，实现摄像机图像能精确反映被摄物的色彩状况，仿射变换是从一个二维坐标系变换到另一个二维坐标系，属于线性变换。
21.作为优选，所述的步骤s3认知确定具体包括：
22.s3.1确定图像p
x0
和图像p
y0
普遍性认知特征；
23.s3.2建立图像p
x0
和图像p
y0
之间的匹配联系；
24.s3.3对采集对象的认知属性进行辨认。
25.作为优选，所述的步骤s3.1中普遍性认知特征包括纹理、轮廓和颜色，并且所述普遍性认知特征包括步骤s4所述的针对性认知特征。普遍性认知特征为通用的实现图像辨认的方式，因此在认知确定后，再进行针对性认知特征具备更好的辨识效果。
26.作为优选，所述的步骤s3.1确定图像p
a0
和图像p
b0
普遍性认知特征的方法包括：图形种类、组成图形的线条的几何长度、组成图形的不同特征区域的颜色、组成图形的线条的连接关系、采集对象和其它通用性图形的几何关系、组成图形的轮廓的长度比例关系。
27.作为优选，所述的步骤s3.3中认知属性的具体种类包括颜色、轮廓、表面纹理以及轮廓的几何结构。通过对采集图像颜色、轮廓、表面纹理以及轮廓的几何结构的辨认确定采集图像的外观特征以实现精确辨识的目的。
28.作为优选，所述的步骤s6若无法满足三维坐标空间的识别度精度要求和误差要求，则判定为选取的针对性认知特征缺少区别度，跳回步骤s4基于图像的深度学习认知特征重新确认采集对象的针对性认知特征并继续构建三维坐标空间，直到满足三维坐标空间的识别度精度要求和误差要求。
29.本发明的有益效果是：通过双目摄像头采集图像的视差进行距离测量，构建准确的三维坐标空间进行生成人像，并且采用深度相机结合光照补偿，实现采集图像标准化实
现判断的统一，从而避免环境变换引起的环境光等因素变化导致的采集图像之间产生偏差，影响采集图像的统一性，从而影响准确、迅速的人像识别。
附图说明
30.图1是本发明的一种流程图。
具体实施方式
31.下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。实施例：本实施例的一种应用双目识别的人像采集方法，如图1所示，包括以下步骤：
32.s1通过两个摄像头采集不同光照图像p
xn
和图像p
yn
；两个摄像头之间的相对位置保持固定。两个摄像头保持相对固定，即两摄像头之间距离保持不变，使得采集图像格式保持一致，确保标准统一，便于识别。
33.s2分别对不同光照图像p
xn
和图像p
yn
进行光照归一化处理，并且构建光照基准图像p
′
xn
和图像p
′
yn
；光照归一化处理具体包括：
34.s2.1输入图像p
xn
(x
xn
，y
xn
)和图像p
yn
(x
yn
，y
yn
)，并取对数；
35.s2.2计算阴影层图像；采用加权最小均方优化的边缘保持滤波器求其对应的阴影层图像使得一方面与输入图像尽可能接近，另一方面在小梯度处要尽可能平滑，总的来说即要求在保持原图像基本特征的情况下处处平滑。
36.分别计算得到的图像在x方向上的差分：即为图像在水平方向上左右相邻像素的灰度值之差；y方向上的差分：即为图像在垂直方向上上下相邻像素的灰度值之差。
37.计算矩阵t的各元素t
i，j
，
[0038][0039][0040]
其中，常数ε＝0.00001，参数λ＞0，参数a为1.0～1.8。
[0041]
s2.3计算反射层图像并进行指数变换；计算出独立于光照的反射层然后进行取指数变换得到去除光照影响后的图像
[0042]
s2.4选取图像p
xn
(x
xn
，y
xn
)的样本图像g
x
(x
xn
，y
xn
)，并计算其直方图取图像p
yn
(x
yn
，y
yn
)的样本图像g
y
(x
yn
，y
yn
)，并计算其直方图
[0043]
s2.5对反射层图像采用直方图匹配法进行归一化处理，得到经光照归一化方法矫正后的图像r
x
(x
x
，y
x
)和r
y
(x
y
，y
y
)。具体包括：
[0044]
求出的亮度分布直方图的亮度分布直方图的亮度分布直方图其中，mi是图像中灰度级为i的像素个数，m为该图像中像素的总数。
[0045]
将与h
gx(ix)
相匹配，与相匹配，即对相匹配，即对中像素的灰度值进行变换，使得变换后的图像r
x
(x
x
，y
x
)与样本图像 g
x
(x
xn
，y
xn
)直方图相同，r
y
(x
y
，y
y
)的直方图与样本图像g
y
(x
yn
，y
yn
)的直方图相同，r
x
(x
x
，y
x
)，r
y
(x
y
，y
y
)即为步骤1中待处理图像经光照归一化方法矫正后的图像。
[0046]
s3对图像p
′
xn
和图像p
′
yn
进行预处理和认知确定，基于图像的深度学习认知特征确认采集对象的针对性认知特征；预处理包括滤波、降噪、白平衡、扭曲处理和仿射变换。通过滤波将信号中特定波段频率滤除的操作，用于抑制和防止干扰，降噪用于排除干扰性因素，白平衡以纠正色温，还原采集主体的色彩，使在不同光源条件下拍摄的画面同人眼观看的画面色彩相近，实现摄像机图像能精确反映被摄物的色彩状况，仿射变换是从一个二维坐标系变换到另一个二维坐标系，属于线性变换。
[0047]
认知确定具体包括：
[0048]
s3.1确定图像p
x0
和图像p
y0
普遍性认知特征；普遍性认知特征包括纹理、轮廓和颜色，并且所述普遍性认知特征包括步骤s4所述的针对性认知特征。确定图像p
a0
和图像p
b0
普遍性认知特征的方法包括：图形种类、组成图形的线条的几何长度、组成图形的不同特征区域的颜色、组成图形的线条的连接关系、采集对象和其它通用性图形的几何关系、组成图形的轮廓的长度比例关系。
[0049]
s3.2建立图像p
x0
和图像p
y0
之间的匹配联系；
[0050]
s3.3对采集对象的认知属性进行辨认。认知属性的具体种类包括颜色、轮廓、表面纹理以及轮廓的几何结构。通过对采集图像颜色、轮廓、表面纹理以及轮廓的几何结构的辨认确定采集图像的外观特征以实现精确辨识的目的。
[0051]
s4根据双目立体成像原理进行视差计算并获取点云图；
[0052]
s5根据采集对象的针对性认知特征和点云图构建三维坐标空间；
[0053]
s6对三维坐标空间的识别度精度要求和误差要求进行判断。若无法满足三维坐标空间的识别度精度要求和误差要求，则判定为选取的针对性认知特征缺少区别度，跳回步骤s4基于图像的深度学习认知特征重新确认采集对象的针对性认知特征并继续构建三维坐标空间，直到满足三维坐标空间的识别度精度要求和误差要求。
[0054]
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领
域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
[0055]
尽管本文较多地使用了光照归一化处理、视差计算等术语，但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质；把它们解释成任何一种附加的限制都是与本发明精神相违背的。