一种基于深度摄像头的银行客户端人脸识别方法

技术领域

本专利涉及一种银行客户端人脸识别方法，特别是一种基于深度摄像头采集到的三维人脸图像进行人脸识别的方法。

技术背景

随着互联网金融的快速发展，人脸识别技术在银行行业中的应用越来越广泛。目前主流的人脸识别技术主要是基于二维图像的，但是存在着图像质量受环境影响大、易被攻击等缺陷。为了解决这些问题，本发明提供了一种基于三维人脸图像的银行客户端人脸识别方法，提高了人脸识别的准确性和安全性。

发明内容

本专利提供了一种银行客户端人脸识别方法，包括以下步骤：

通过深度摄像头采集到的三维人脸图像进行距离约束、位置约束、转换等操作，得到干净完整的三维人脸；
利用三维人脸上每一点局部平面距离值确定眼球中心点，利用聚类的思想确定耳根点；
采用改进的快速推进算法计算人脸的测地距矩阵，设置阈值并切割出有效的人脸区域；
计算有效的人脸区域的高阶矩特征，作为人脸的特征向量进行匹配。

具体实施方式

深度摄像头采集到的三维人脸图像进行距离约束、位置约束、转换等操作，得到干净完整的三维人脸。采用三维人脸上每一点局部平面距离值确定眼球中心点，利用聚类的思想确定耳根点。然后，采用改进的快速推进算法计算人脸的测地距矩阵，设置阈值并切割出有效的人脸区域。最后，计算有效的人脸区域的高阶矩特征，作为人脸的特征向量进行匹配。

权力要求书

一种银行客户端人脸识别方法，特征在于通过深度摄像头采集到的三维人脸图像进行距离约束、位置约束、转换等操作，得到干净完整的三维人脸，采用三维人脸上每一点局部平面距离值确定眼球中心点，利用聚类的思想确定耳根点，然后采用改进的快速推进算法计算人脸的测地距矩阵，设置阈值并切割出有效的人脸区域，最后计算有效的人脸区域的高阶矩特征，作为人脸的特征向量进行匹配。
根据权利要求书1所述的银行客户端人脸识别方法，特征在于深度摄像头采集到的三维人脸图像进行距离约束、位置约束、转换等操作，得到干净完整的三维人脸的距离值。
根据权利要求书1所述的银行客户端人脸识别方法，特征在于利用三维人脸上每一点局部平面距离值确定眼球中心点。
根据权利要求书1所述的银行客户端人脸识别方法，特征在于利用聚类的思想确定耳根点。
根据权利要求书1所述的银行客户端人脸识别方法，特征在于采用改进的快速推进算法计算人脸的测地距矩阵。
根据权利要求书1所述的银行客户端人脸识别方法，特征在于设置阈值并切割出有效的人脸区域。
根据权利要求书1所述的银行客户端人脸识别方法，特征在于计算有效的人脸区域的高阶矩特征。
根据权利要求书1所述的银行客户端人脸识别方法，特征在于将计算出的高阶矩特征作为人脸的特征向量进行匹配。
根据权利要求书1所述的银行客户端人脸识别方法，特征在于深度摄像头采集到的三维人脸图像进行距离约束、位置约束、转换等操作，得到干净完整的三维人脸的位置信息。
根据权利要求书1所述的银行客户端人脸识别方法，特征在于利用三维人脸上每一点局部平面距离值确定眼球中心点的位置信息。
根据权利要求书1所述的银行客户端人脸识别方法，特征在于利用聚类的思想确定耳根点的位置信息。
根据权利要求书1所述的银行客户端人脸识别方法，特征在于通过改进的快速推进算法计算人脸的测地距矩阵的位置信息。
根据权利要求书1所述的银行客户端人脸识别方法，特征在于设置阈值并切割出有效的人脸区域的位置信息。
根据权利要求书1所述的银行客户端人脸识别方法，特征在于计算有效的人脸区域的高阶矩特征的位置信息。
根据权利要求书1所述的银行客户端人脸识别方法，特征在于将计算出的高阶矩特征作为人脸的特征向量进行匹配的位置信息。

摘要

本发明提供了一种基于深度摄像头采集的三维人脸图像的银行客户端人脸识别方法。该方法首先通过深度摄像头采集到的三维人脸图像进行距离约束、位置约束、转换等操作，得到干净完整的三维人脸；然后，利用三维人脸上每一点局部平面距离值确定眼球中心点，利用聚类的思想确定耳根点；接着，采用改进的快速推进算法计算人脸的测地距矩阵，设置阈值并切割出有效的人脸区域；最后，计算有效的人脸区域的高阶矩特征，作为人脸的特征向量进行匹配。本发明方法能够有效提高人脸识别的准确性和安全性，适用于银行等需要高安全性的场景。