一种基于深度摄像头的人脸识别方法及银行客户端应用

技术领域

本发明涉及银行客户端人脸识别技术，具体而言，是一种利用深度摄像头采集三维人脸图像，通过计算三维人脸的测地距矩阵并进行特征向量匹配实现客户端人脸识别的方法。

发明内容

本发明提供了一种银行客户端人脸识别方法，该方法包括以下步骤：

通过深度摄像头采集到的三维人脸图像，利用距离约束、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；
根据设定的阈值，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

本发明的实施方式如下：

在银行客户端中，安装深度摄像头并打开人脸识别功能；
通过深度摄像头采集到客户的三维人脸图像；
对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图像；
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；
根据设定的阈值，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；
根据匹配结果，判断客户身份并进行相应的操作。

权力要求书

一种银行客户端人脸识别方法，包括： a. 通过深度摄像头采集到的三维人脸图像； b. 利用距离约束、位置约束、转换等操作得到干净完整的三维人脸； c. 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； d. 采用改进的快速推进算法计算人脸的测地距矩阵； e. 根据设定的阈值，切割出有效的人脸区域； f. 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1所述的方法，其中距离约束可以包括通过深度图像计算人脸上每一点与摄像头的距离，并根据距离值的大小进行筛选。
根据权利要求1所述的方法，其中位置约束可以包括通过人脸区域的中心点和眼睛位置确定人脸的朝向，并根据朝向进行筛选。
根据权利要求1所述的方法，其中转换可以包括通过三维几何变换将三维人脸转换为正面视角。
根据权利要求1所述的方法，其中改进的快速推进算法可以包括通过计算人脸测地距矩阵，利用特征点对齐的方式将人脸进行对齐，并进行局部特征点的提取。
根据权利要求1所述的方法，其中设定的阈值可以包括通过对客户的人脸进行多次采集，分析人脸特征的分布情况，确定一个合适的阈值。
根据权利要求1所述的方法，其中计算有效的人脸区域的高阶矩特征可以包括通过计算人脸区域的灰度图像，利用高斯滤波器进行平滑处理，提取出人脸的边缘特征，进行高阶矩特征的计算。
根据权利要求1所述的方法，其中特征向量匹配可以包括通过计算客户的人脸特征向量与数据库中的人脸特征向量的相似度，确定客户的身份。
根据权利要求1所述的方法，其中深度摄像头可以包括红外深度摄像头或者双目深度摄像头。
根据权利要求1所述的方法，其中聚类的思想可以包括通过K-Means聚类算法或者DBSCAN聚类算法确定耳根点的位置。
根据权利要求1所述的方法，其中利用三维人脸上每一点局部平面距离值确定眼球中心点可以包括利用人脸上的特征点进行计算。
根据权利要求1所述的方法，其中人脸区域的切割可以包括利用阈值分割算法进行切割。
根据权利要求1所述的方法，其中高阶矩特征可以包括Hu矩、Zernike矩、Gabor矩等多种矩特征。
根据权利要求1所述的方法，其中特征向量匹配可以包括通过KNN算法、支持向量机算法、神经网络算法等多种算法进行匹配。
根据权利要求1所述的方法，其中客户端可以包括手机客户端、电脑客户端等多种客户端应用。

摘要

本发明公开了一种基于深度摄像头的银行客户端人脸识别方法。该方法通过深度摄像头采集到的三维人脸图像，利用距离约束、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，根据设定的阈值，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。该方法能够有效地提高人脸识别的准确率和安全性，适用于银行等对安全要求较高的场景。