三维人脸数据预处理方法及设备与流程

1.本技术属于人脸识别技术领域，尤其涉及一种三维人脸数据预处理方法及设备。


背景技术：

2.当前三维人脸数据采集技术和三维数据生成技术容易受到数据扰动的影响，即数据丢失、尖点、图像扭曲、噪声和空洞等因素，也常包含头发、脖子、耳朵等区域，因此，建立在以图形学与空间几何学相结合的技术的数学基础理论被广泛用于三维人脸点云数据的预处理，达到三维人脸呈正面三维人脸区域，并用于人脸识别与人脸表情识别。
3.目前现有的三维人脸数据预处理算法虽然能够准确检测到鼻尖点，但准确检测是建立在识别的人脸姿态较小的基础上，即对姿态小于30度的三维人脸数据进行预处理，一旦人脸姿态超过30度，就无法准确检测到鼻尖点。


技术实现要素：

4.有鉴于此，本发明提供了一种三维人脸数据预处理方法及设备，旨在解决对人脸姿态超过30度时无法准确检测到鼻尖点的问题。
5.本发明实施例的第一方面提供了一种三维人脸数据预处理方法，包括：
6.获取待处理的三维人脸点云数据；
7.根据预设的标准人脸、所述三维人脸点云数据、三维人脸鼻尖点检测算法和最近点迭代算法，初次确定所述三维人脸点云数据中鼻尖点的位置；
8.根据初次确定的鼻尖点的位置，初次确定所述三维人脸点云数据中的正面人脸数据；
9.根据最近点迭代算法和预设的标准人脸，对所述初次确定的正面人脸数据进行配准，再次确定所述三维人脸点云数据中鼻尖点的位置；
10.根据再次确定的鼻尖点的位置，再次确定所述三维人脸点云数据中的正面人脸数据，并将其作为预处理后的正面三维人脸点云数据。
11.本发明实施例的第二方面提供了一种三维人脸数据预处理装置，包括：
12.数据获取模块，用于获取待处理的三维人脸点云数据；
13.第一定位模块，用于根据预设的标准人脸、所述三维人脸点云数据、三维人脸鼻尖点检测算法和最近点迭代算法，初次确定所述三维人脸点云数据中鼻尖点的位置；
14.第一确定模块，用于根据初次确定的鼻尖点的位置，初次确定所述三维人脸点云数据中的正面人脸数据；
15.第二定位模块，用于根据最近点迭代算法和预设的标准人脸，对所述初次确定的正面人脸数据进行配准，再次确定所述三维人脸点云数据中鼻尖点的位置；
16.第二确定模块，用于根据再次确定的鼻尖点的位置，再次确定所述三维人脸点云数据中的正面人脸数据，并将其作为预处理后的正面三维人脸点云数据。
17.本发明实施例的第三方面提供了一种电子设备，包括存储器、处理器以及存储在
所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面所述三维人脸数据预处理方法的步骤。
18.本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面所述三维人脸数据预处理方法的步骤。
19.本发明实施例提供的三维人脸数据预处理方法及设备，通过获取待处理的三维人脸点云数据；根据预设的标准人脸、三维人脸点云数据、三维人脸鼻尖点检测算法和最近点迭代算法，初次确定三维人脸点云数据中鼻尖点的位置；根据初次确定的鼻尖点的位置，初次确定三维人脸点云数据中的正面人脸数据；根据最近点迭代算法和预设的标准人脸，对初次确定的正面人脸数据进行配准，再次确定三维人脸点云数据中鼻尖点的位置；根据再次确定的鼻尖点的位置，再次确定三维人脸点云数据中的正面人脸数据，并将其作为预处理后的正面三维人脸点云数据。通过对鼻尖点的位置进行初次确定和再次确定，逐步修正鼻尖点的位置，使其在人脸姿态超过30度的情况下，仍然能够实现对鼻尖点的精确定位，以获得正面三维人脸点云数据。
附图说明
20.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
21.图1是本发明实施例提供的三维人脸数据预处理方法的应用场景图；
22.图2是本发明实施例提供的三维人脸数据预处理方法的实现流程图；
23.图3是本发明实施例提供的再次确定鼻尖点的位置的实现流程图；
24.图4是本发明实施例提供的初次确定鼻尖点的位置的实现流程图；
25.图5是目标人脸的中心线与标准人脸的中心线示意图；
26.图6是将目标人脸的中心线与标准人脸的中心线进行对齐的示意图；
27.图7是本发明实施示例提供的三维人脸数据预处理方法的实现流程图；
28.图8是本发明实施例提供的三维人脸数据预处理装置的结构示意图；
29.图9是本发明实施例提供的电子设备的示意图。
具体实施方式
30.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
31.现有的三维人脸表情的预处理通常包括人脸的姿态矫正、提取人脸感兴趣区域(roi，region of interest)、尺度归一化、去噪等操作。目前现有的三维人脸数据预处理算法建立在较小姿态上，即小于30度，它的过程是首先将三维人脸姿态矫正，即将每张三维人脸与一个标准人脸对齐(又称为配准)，然后确定鼻尖点，即找到人脸数据中鼻尖点z轴最大
值，最后以该鼻尖点为球心点，划一个确定的半径的球来提取人脸roi区域以此获得三维人脸预处理后的数据。从以上过程可以看出，三维人脸姿态角度大小直接影响到它的应用场景的使用，比如三维人脸识别与三维人脸表情识别性能。然而，目前缺乏对于人脸姿态(大于30度且小于90度)的三维人脸点云数据预处理，这直接影响到人脸姿态(大于30度且小于90度)的三维人脸点云数据对应用场景中人脸特征或人脸表情特征提取及其相应识别性能。
32.图1是本发明实施例提供的三维人脸数据预处理方法的应用场景图。本发明实施例提供的三维人脸数据预处理方法可以但不限于应用于该应用环境。如图1所示，该系统中包括：点云数据采集设备11和电子设备12。
33.点云数据采集设备11用于采集三维人脸点云数据并发送给电子设备12，电子设备12用于对接收到的三维人脸点云数据进行预处理。
34.点云数据采集设备11可以是一个或多个摄像头组成的图像采集设备。电子设备12可以是服务器、终端等，在此不作限定。服务器可以用独立服务器或者是多个服务器组成的服务器集群来实现。终端可以包括但不限于人脸识别终端、台式计算机、笔记本电脑、平板电脑等。
35.电子设备12可以连接一个点云数据采集设备11，也可以连接多个点云数据采集设备11，在此不做限定。例如，可以在公司、学校等区域内安装多个点云数据采集设备11进行人脸图像采集，连接有人脸识别装置的电子设备12连接该区域内的全部云数据采集设备11，以实现对区域内人群的身份监测。也可以将一个点云数据采集设备11和一个电子设备12安装在具有人脸识别功能的个人终端中。
36.图2是本发明实施例提供的三维人脸数据预处理方法的实现流程图。如图2所示，在该实施例中，三维人脸数据预处理方法，包括：
37.s201，获取待处理的三维人脸点云数据。
38.s202，根据预设的标准人脸、三维人脸点云数据、三维人脸鼻尖点检测算法和最近点迭代算法，初次确定三维人脸点云数据中鼻尖点的位置。
39.s203，根据初次确定的鼻尖点的位置，初次确定三维人脸点云数据中的正面人脸数据。
40.s204，根据最近点迭代算法和预设的标准人脸，对初次确定的正面人脸数据进行配准，再次确定三维人脸点云数据中鼻尖点的位置。
41.s205，根据再次确定的鼻尖点的位置，再次确定三维人脸点云数据中的正面人脸数据，并将其作为预处理后的正面三维人脸点云数据。
42.本实施例中，待处理的三维人脸点云数据是由图1所示的点云数据采集设备11采集得到的。预设的标准人脸可以预先存储在图1所示的电子设备12中，也可以通过网络从frgc(face recognition grand challenge)三维人脸数据库中选取的，在此不作限定。最近点迭代算法用于通过迭代的方式，逐渐缩小鼻尖点所处的范围。三维人脸鼻尖点检测算法用于确定该范围内的鼻尖点。
43.最近点迭代算法(iterative closest point,icp)是目前应用最广泛的点云精配准算法。其通过不断迭代的方式，最终得到两组人脸点云数据的最优转换矩阵。icp算法虽然精度高、收敛速度快，但其对于初值的依赖性较高，在初值不准确的情况下，容易陷入局
部最优解。
44.本实施例中，先通过三维人脸鼻尖点检测算法确定一个大致的鼻尖点位置初值，根据该初值使用icp算法进行迭代，从而得到鼻尖点的大致位置，然后再以该大致位置为初值再使用icp算法进行迭代得到鼻尖点的精确位置，从而确定呈正面的三维人脸点云数据。
45.本实施例中，通过对鼻尖点的位置进行初次确定和再次确定，逐步修正鼻尖点的位置，使其在人脸姿态超过30度的情况下，仍然能够实现对鼻尖点的精确定位，以获得正面三维人脸点云数据。
46.图3是本发明实施例提供的再次确定鼻尖点的位置的实现流程图。如图3所示，在一些实施例中，s204，可以包括：
47.s301，根据最近点迭代算法，将初次确定的正面人脸数据对应的人脸的中心线和预设的标准人脸的中心线进行对齐，并记录对齐过程中的第一转换矩阵。
48.s302，根据第一转换矩阵对标准人脸的鼻尖点的位置进行转换，并以转换后的鼻尖点的位置为球心，划定一个半径为第一预设值的第一球形区域。
49.s303，在第一球形区域内以其球心为原点、以对齐后人脸的正面面对的方向为z轴正方向建立三维坐标系。
50.s304，确定初次确定的正面人脸数据对应的人脸的中心线在第一球形区域内的最大z值点，并将其作为再次确定的鼻尖点的位置。
51.本实施例中，第一预设值可以是80mm。
52.在一些实施例中，s205，可以包括：
53.以再次确定的鼻尖点的位置为球心，划定一个半径为第二预设值的第二球形区域；
54.根据第二球形区域，再次确定三维人脸点云数据中的正面人脸数据。
55.本实施例中，第二预设值可以是100mm。
56.图4是本发明实施例提供的初次确定鼻尖点的位置的实现流程图。如图4所示，在一些实施例中，s202，可以包括：
57.s401，根据最近点迭代算法，将三维人脸点云数据对应的人脸的中心线，和预设的标准人脸的中心线进行对齐，并记录对齐过程中的第二转换矩阵。
58.s402，根据第二转换矩阵对标准人脸的鼻尖点的位置进行转换，并以转换后的鼻尖点的位置为球心，划定一个半径为第三预设值的第三球形区域。
59.s403，在第三球形区域内以其球心为原点、以对齐后人脸的正面面对的方向为z轴正方向建立三维坐标系。
60.s404，确定三维人脸点云数据对应的人脸的中心线在第三球形区域内的最大z值点，并将其作为初始的鼻尖点的位置。
61.s405，以初始的鼻尖点的位置为球心，划定一个半径为第四预设值的第四球形区域，以确定三维人脸点云数据中的初始的正面人脸数据。
62.s406，根据初始的正面人脸数据，初次确定三维人脸点云数据中鼻尖点的位置。
63.本实施例中，第三预设值可以是37mm。第四预设值可以是80mm。
64.图5是目标人脸的中心线与标准人脸的中心线示意图。图6是将目标人脸的中心线与标准人脸的中心线进行对齐的示意图。如图5和图6所示，在图4的过程中；
65.s401：将标准人脸与目标人脸的中心线分别记为a与b。首先利用icp算法使a与b对齐并记录其转换矩阵m2。
66.s402-s404：通过m2找到标准人脸的鼻尖点k,并以点k为中心划一个半径为37mm的球，在球内寻找b上z坐标的最大值点p。
67.s405：由于成年人的人脸在以鼻尖点为中心、半径为80mm的球体内的部分包含了眼睛、额头、嘴、鼻子、脸颊等。因此可以以点p为中心划一个半径为80mm的球，球内的数据即为初始的正面人脸数据。
68.在一些实施例中，s406，可以包括：
69.根据最近点迭代算法，将初始的正面人脸数据对应的人脸的中心线和预设的标准人脸的中心线进行对齐，并记录对齐过程中的第三转换矩阵；
70.根据第三转换矩阵对标准人脸的鼻尖点的位置进行转换，并以转换后的鼻尖点的位置为球心，划定一个半径为第五预设值的第五球形区域；
71.在第五球形区域内以其球心为原点、以对齐后人脸的正面面对的方向为z轴正方向建立三维坐标系；
72.确定初始的正面人脸数据对应的人脸的中心线在第一球形区域内的最大z值点，并将其作为修正的鼻尖点的位置；
73.判断修正的鼻尖点的位置与初始的鼻尖点的位置之间的距离是否小于预设距离；
74.若修正的鼻尖点的位置与初始的鼻尖点的位置之间的距离不小于预设距离，则将修正的鼻尖点的位置作为初始的鼻尖点的位置，并跳转至以初始的鼻尖点的位置为球心划定一个半径为第四预设值的第四球形区域的步骤；
75.若修正的鼻尖点的位置与初始的鼻尖点的位置之间的距离小于预设距离，则将修正的鼻尖点作为初次确定的鼻尖点的位置。
76.本实施例中，第五预设值可以是25mm，预设距离可以是2mm。如图5和图6所示，在图4中的s406：通过第三转换矩阵m3计算转换后的鼻尖点p’，点p’为中心划一个半径为25mm的球，在球内寻找b上z坐标的最大值点。然后循环迭代该过程，直到两次迭代之间得到的z坐标的最大值点之间的距离小于2mm，则将此次迭代的z坐标的最大值点作为初次确定的鼻尖点的位置。
77.在一些实施例中，在s201之后，三维人脸数据预处理方法还可以包括：
78.确定三维人脸点云数据的镜像人脸；
79.根据最近点迭代算法，将三维人脸点云数据对应的人脸和镜像人脸进行对齐，得到对齐人脸并记录对齐过程中的第四转换矩阵；
80.根据第四转换矩阵和三维人脸中心线提取算法提取对齐人脸的中心线，并将其作为三维人脸点云数据对应的人脸的中心线。
81.人脸的一个重要特点是具有左右对称性，因此三维人脸中心线提取算法可以将三维人脸点云数据对应的人脸和镜像人脸进行对齐的方式，确定人脸对称平面，再将对称平面与三维人脸点云数据对应的人脸的交线作为人脸中心线。
82.本实施例中，通过提取人脸中心线，既缩小了鼻尖点的检测范围，又提高了检测精度。
83.在一些实施例中，s203，可以包括：
84.以初次确定的鼻尖点的位置为球心，划定一个半径为第六预设值的第六球形区域；
85.根据第六球形区域，初次确定三维人脸点云数据中的正面人脸数据。
86.本实施例中，第六预设值可以是120mm。
87.在一些实施例中，在s202之后，三维人脸数据预处理方法还包括：
88.计算三维人脸点云数据对应的人脸和标准人脸之间的欧拉角，以确定三维人脸点云数据对应的人脸的人脸姿态；
89.若人脸姿态不大于第一预设角，则将初次确定的正面人脸数据作为预处理后的正面三维人脸点云数据且不再执行后续步骤；
90.若人脸姿态大于第一预设角且不大于第二预设角，则继续执行根据最近点迭代算法和预设的标准人脸对初次确定的正面人脸数据进行配准的步骤；其中，第一预设角小于第二预设角。
91.本实施例中，第一预设角可以是30度，第二预设角可以是90度。通过计算和标准人脸之间的欧拉角，判断所需识别的人脸的姿态，可以选取相应的处理步骤。例如，在人脸姿态不大于30度时，仅执行到s203即可得到精确的呈正面的人脸数据，不必要再执行后续步骤。但当人脸姿态在30度到90度之间时，到s203步骤时检测到的鼻尖点仍不准确，也难以得到正面三维人脸点云数据。因此需要执行后续步骤来精确定位鼻尖点。
92.下面通过一个实施示例对上述三维人脸数据预处理方法进行说明，但并不作为限定。图7是本发明实施示例提供的三维人脸数据预处理方法的实现流程图。如图7所示，在该实施示例中，三维人脸数据预处理方法具体如下：
93.步骤1，获取点云数据采集设备采集的三维人脸点云数据，组成多个测试人脸。测试人脸其中，为三维人脸点云数据的点的个数，x＝(x1,x2,
…
,xn)，y＝(y1,y2,
…
,yn)，z＝(z1,z2,
…
,zn)分别为x、y、z三个维度坐标集合，矩阵f中的每一行(xi，yi，zi)对应着三维空间中的一个点pi(0《i《n)的坐标值。其中，x轴指向人脸的左侧方向，y轴指向人脸的正上方，z轴指向人脸正面面对的方向。
94.步骤2，将三维人脸以x方向坐标中心点的平面为对称平面，通过镜像变换公式将pi变换到p
i’(x
i’，y
i’，z
i’)：
95.96.得到镜像人脸
97.步骤3，使用icp算法将f与f’对齐，得到对齐人脸f”，并记录转换矩阵m1。
98.步骤4，由于一个平面可以由三个不共线的点确定，因此首先在f上三个不共线的点a、b、c，然后利用镜像变换公式找到在f’上对应的三个点a’、b’、c’，再确定这三个点在对齐之后的人脸f”上的点a”、b”、c”。
99.步骤5，根据人脸的对称性，近似地可以认为a、b、c与a”、b”、c”是对称的三对点，并且这三对点的中线能够把人脸从中间分开为对称的两部分的对称平面上。通过以下公式可以求出三个对称点的中点：
[0100][0101]
步骤6，可利用这三个点建立如下的一个平面方程：
[0102][0103]
步骤7，最后利用三维人脸上的点到此平面距离最近的点，即点到此平面的欧式距离小于1mm的点，组成的集合为人脸的中心线。为了保证后续步骤中配准的准确度，应当使建立的中心线的宽度为2mm。
[0104]
步骤8，从frgc(face recognition grand challenge)三维人脸数据库中选取标准人脸，并确定标准人脸的中心线及其鼻尖点。
[0105]
步骤9，将标准人脸与目标人脸的中心线分别记为a与b。首先利用icp算法使a与b对齐并记录其转换矩阵m2[0106]
步骤10，通过m2找到标准人脸的鼻尖点k,并以点k为中心划一个半径为37mm的球，在球内寻找b上z坐标的最大值点p。
[0107]
步骤11，以点p为中心划一个半径为80mm的球，球内的数据即为初始的正面人脸数据。
[0108]
步骤12，通过第三转换矩阵m3计算转换后的鼻尖点p’，点p’为中心划一个半径为25mm的球，在球内寻找b上z坐标的最大值点。
[0109]
步骤13，判断p和p’之间的距离是否大于2mm。若大于则将点p’作为新的点p，并跳转至步骤11，然后循环迭代该过程，直到两次迭代之间得到的z坐标的最大值点之间的距离小于2mm，则将此次迭代的z坐标的最大值点作为初次确定的鼻尖点的位置。
[0110]
步骤14，以最后一次迭代得到的z坐标的最大值点为中心，半径为120mm建立球形区域以初次确定三维人脸点云数据中的正面人脸数据。
[0111]
步骤15，使用icp算法将初次确定的正面人脸数据和标准人脸进行配准，再次确定鼻尖点的位置。
[0112]
步骤16，再次确定鼻尖点的位置为中心，半径为100mm建立测试人脸的最终的球型区域，即再次确定的正面三维人脸点云数据。
[0113]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
[0114]
图8是本发明实施例提供的三维人脸数据预处理装置的结构示意图。如图8所示，三维人脸数据预处理装置8，包括：
[0115]
数据获取模块810，用于获取待处理的三维人脸点云数据。
[0116]
第一定位模块820，用于根据预设的标准人脸、三维人脸点云数据、三维人脸鼻尖点检测算法和最近点迭代算法，初次确定三维人脸点云数据中鼻尖点的位置。
[0117]
第一确定模块830，用于根据初次确定的鼻尖点的位置，初次确定三维人脸点云数据中的正面人脸数据。
[0118]
第二定位模块840，用于根据最近点迭代算法和预设的标准人脸，对初次确定的正面人脸数据进行配准，再次确定三维人脸点云数据中鼻尖点的位置。
[0119]
第二确定模块850，用于根据再次确定的鼻尖点的位置，再次确定三维人脸点云数据中的正面人脸数据，并将其作为预处理后的正面三维人脸点云数据。
[0120]
可选的，第二定位模块840，用于
[0121]
根据最近点迭代算法，将初次确定的正面人脸数据对应的人脸的中心线和预设的标准人脸的中心线进行对齐，并记录对齐过程中的第一转换矩阵；
[0122]
根据第一转换矩阵对标准人脸的鼻尖点的位置进行转换，并以转换后的鼻尖点的位置为球心，划定一个半径为第一预设值的第一球形区域；
[0123]
在第一球形区域内以其球心为原点、以对齐后人脸的正面面对的方向为z轴正方向建立三维坐标系；
[0124]
确定初次确定的正面人脸数据对应的人脸的中心线在第一球形区域内的最大z值点，并将其作为再次确定的鼻尖点的位置。
[0125]
可选的，第二确定模块850，用于以再次确定的鼻尖点的位置为球心，划定一个半径为第二预设值的第二球形区域；
[0126]
根据第二球形区域，再次确定三维人脸点云数据中的正面人脸数据。
[0127]
可选的，第一确定模块830，用于根据最近点迭代算法，将三维人脸点云数据对应的人脸的中心线，和预设的标准人脸的中心线进行对齐，并记录对齐过程中的第二转换矩阵；
[0128]
根据第二转换矩阵对标准人脸的鼻尖点的位置进行转换，并以转换后的鼻尖点的位置为球心，划定一个半径为第三预设值的第三球形区域；
[0129]
在第三球形区域内以其球心为原点、以对齐后人脸的正面面对的方向为z轴正方向建立三维坐标系；
[0130]
确定三维人脸点云数据对应的人脸的中心线在第三球形区域内的最大z值点，并将其作为初始的鼻尖点的位置；
[0131]
以初始的鼻尖点的位置为球心，划定一个半径为第四预设值的第四球形区域，以确定三维人脸点云数据中的初始的正面人脸数据；
[0132]
根据初始的正面人脸数据，初次确定三维人脸点云数据中鼻尖点的位置。
[0133]
可选的，第一确定模块830，具体用于根据最近点迭代算法，将初始的正面人脸数据对应的人脸的中心线和预设的标准人脸的中心线进行对齐，并记录对齐过程中的第三转换矩阵；
[0134]
根据第三转换矩阵对标准人脸的鼻尖点的位置进行转换，并以转换后的鼻尖点的位置为球心，划定一个半径为第五预设值的第五球形区域；
[0135]
在第五球形区域内以其球心为原点、以对齐后人脸的正面面对的方向为z轴正方向建立三维坐标系；
[0136]
确定初始的正面人脸数据对应的人脸的中心线在第一球形区域内的最大z值点，并将其作为修正的鼻尖点的位置；
[0137]
判断修正的鼻尖点的位置与初始的鼻尖点的位置之间的距离是否小于预设距离；
[0138]
若修正的鼻尖点的位置与初始的鼻尖点的位置之间的距离不小于预设距离，则将修正的鼻尖点的位置作为初始的鼻尖点的位置，并跳转至以初始的鼻尖点的位置为球心划定一个半径为第四预设值的第四球形区域的步骤；
[0139]
若修正的鼻尖点的位置与初始的鼻尖点的位置之间的距离小于预设距离，则将修正的鼻尖点作为初次确定的鼻尖点的位置。
[0140]
可选的，三维人脸数据预处理装置8，还包括：中心线提取模块860。
[0141]
中心线提取模块860，用于确定三维人脸点云数据的镜像人脸；
[0142]
根据最近点迭代算法，将三维人脸点云数据对应的人脸和镜像人脸进行对齐，得到对齐人脸并记录对齐过程中的第四转换矩阵；
[0143]
根据第四转换矩阵和三维人脸中心线提取算法提取对齐人脸的中心线，并将其作为三维人脸点云数据对应的人脸的中心线。
[0144]
可选的，第一确定模块830，用于根据初次确定的鼻尖点的位置，初次确定三维人脸点云数据中的正面人脸数据，包括：
[0145]
以初次确定的鼻尖点的位置为球心，划定一个半径为第六预设值的第六球形区域；
[0146]
根据第六球形区域，初次确定三维人脸点云数据中的正面人脸数据。
[0147]
可选的，三维人脸数据预处理装置8，还包括：姿态确定模块870。
[0148]
姿态确定模块870，用于计算三维人脸点云数据对应的人脸和标准人脸之间的欧拉角，以确定三维人脸点云数据对应的人脸的人脸姿态；
[0149]
若人脸姿态不大于第一预设角，则将初次确定的正面人脸数据作为预处理后的正面三维人脸点云数据且不再执行后续步骤；
[0150]
若人脸姿态大于第一预设角且不大于第二预设角，则继续执行根据最近点迭代算法和预设的标准人脸对初次确定的正面人脸数据进行配准的步骤；其中，第一预设角小于第二预设角。
[0151]
本实施例提供的三维人脸数据预处理装置，可用于执行上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
[0152]
图9是本发明实施例提供的电子设备的示意图。如图9所示，本发明的一个实施例提供的电子设备9，该实施例的电子设备9包括：处理器90、存储器91以及存储在存储器91中并可在处理器90上运行的计算机程序92。处理器90执行计算机程序92时实现上述各个三维人脸数据预处理方法实施例中的步骤，例如图2所示的步骤201至步骤205。或者，处理器90执行计算机程序92时实现上述各装置实施例中各模块/单元的功能，例如图8所示模块810至850的功能。
[0153]
示例性的，计算机程序92可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器91中，并由处理器90执行，以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序92在电子设备9中的执行过程。
[0154]
电子设备9可以是独立的物理服务器、务器集群及云端服务器等计算设备。本领域技术人员可以理解，图9仅仅是电子设备9的示例，并不构成对电子设备9的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件。
[0155]
所称处理器90可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0156]
存储器91可以是电子设备9的内部存储单元，例如电子设备9的硬盘或内存。存储器91也可以是电子设备9的外部存储设备，例如电子设备9上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，存储器91还可以既包括电子设备9的内部存储单元也包括外部存储设备。存储器91用于存储计算机程序以及终端所需的其他程序和数据。存储器91还可以用于暂时地存储已经输出或者将要输出的数据。
[0157]
本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述三维人脸数据预处理方法实施例中的步骤。
[0158]
计算机可读存储介质存储有计算机程序92，计算机程序92包括程序指令，程序指令被处理器90执行时实现上述实施例方法中的全部或部分流程，也可以通过计算机程序92来指令相关的硬件来完成，计算机程序92可存储于一计算机可读存储介质中，该计算机程序92在被处理器90执行时，可实现上述各个方法实施例的步骤。其中，计算机程序92包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电
载波信号和电信信号。
[0159]
计算机可读存储介质可以是前述任一实施例的终端的内部存储单元，例如终端的硬盘或内存。计算机可读存储介质也可以是终端的外部存储设备，例如终端上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，计算机可读存储介质还可以既包括终端的内部存储单元也包括外部存储设备。计算机可读存储介质用于存储计算机程序及终端所需的其他程序和数据。计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
[0160]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
[0161]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0162]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0163]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0164]
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0165]
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0166]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0167]
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方
法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
[0168]
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。