基于人脸识别的任务执行.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107169483A(43)申请公布日2017.09.15(21)申请号201710567414.6(22)申请日2017.07.12(71)申请人深圳奥比中光科技有限公司地址518057广东省深圳市南山区粤海街道学府路63号高新区联合总部大厦11-13楼(72)发明人许星(51)Int.Cl.G06K9/00(2006.01)权利要求书1页说明书9页附图5页(54)发明名称基于人脸识别的任务执行(57)摘要本发明提供一种基于人脸识别的任务执行方法，包括以下步骤：激活当前任务；获取包含人脸的结构光图像；利用所述结构光图像进行人脸检测与识别；以及根据所述人脸检测与识别结果执行任务。这里结构光图像为红外散斑图像，由于红外散斑图像即保留了人脸二维纹理信息特征又与三维深度特征直接相关，另外红外光不受外界环境干扰，因此本发明的方法可以全天候地实现对人脸进行识别，无需进行活体检测就能实现精确识别。CN107169483ACN107169483A权利要求书1/1页1.一种基于人脸识别的任务执行方法，其特征在于，包括：激活，激活当前任务；图像采集，获取包含人脸的结构光图像；识别，利用所述结构光图像进行人脸检测与识别；执行，根据所述人脸检测与识别结果执行任务。2.根据权利要求1所述的方法，其特征在于，所述结构光图像包括红外散斑图像。3.根据权利要求2所述的方法，其特征在于，所述红外散斑图像的散斑颗粒密度被设置为不遮挡所述人脸的主要纹理特征。4.根据权利要求1所述的方法，其特征在于，所述人脸检测与识别是利用基于机器学习的检测与识别算法，所述算法中用于模型学习的样本库由彩色图像和/或灰度图像组成。5.根据权利要求1所述的方法，其特征在于，所述图像采集还包括获取包含人脸的可见光图像；所述识别包括利用所述结构光图像以及所述可见光图像进行人脸检测及识别。6.根据权利要求1所述的方法，其特征在于，所述识别包括以下步骤：利用所述结构光图像计算出深度图像；利用所述结构光图像以及所述深度图像进行人脸检测及识别。7.根据权利要求1所述的方法，其特征在于，所述图像采集还包括获取包含人脸的热红外图像；所述识别包括利用所述结构光图像以及所述热红外图像进行人脸检测及识别。8.根据权利要求1所述的方法，其特征在于，所述人脸检测与识别包括对所述人脸位置的识别。9.根据权利要求1所述的方法，其特征在于，所述人脸检测与识别包括对所述人脸距离的识别。10.一种处理电路，其特征在于，所述处理电路用于执行如权利要求1~9所述的基于人脸识别的任务执行方法。2CN107169483A说明书1/9页基于人脸识别的任务执行技术领域[0001]本发明属于计算机技术领域，更具体地说，是涉及一种基于人脸识别的任务执行方法。背景技术[0002]人体有诸多唯一的特征，比如人脸、指纹、虹膜、人耳等，这些特征被统称为生物特征。生物特征识别被广泛用于安防、家居、智能硬件等众多领域，目前较为成熟的生物特征识别比如指纹识别、虹膜识别等已被普遍应用于手机、电脑等终端。而对于人脸等特征，尽管相关的研究已经非常深入，而对于人脸等特征的识别则仍未普及，这主要是因为已有的识别方法存在局限导致识别率及识别的稳定性较低。这些局限主要包括受环境光光强以及光照方向影响、人脸表情影响识别率、以及容易被人造特征欺骗等。[0003]已有的人脸等特征的识别，主要基于人脸二维彩色图像，当环境光强较弱时，会严重影响识别效果。另外，当光照的方向不同时，人脸图像上会存在阴影，同样也会影响识别效果。当被参照的人脸图像是在没有表情的情形下采集的，而当前是在微笑表情下采集的人脸图像，人脸识别的效果也会下降。另外，若被识别对象不是真实人脸，而是二维的人脸图片时，往往也能通过识别。[0004]对于以上的问题，目前普遍采用基于近红外或热红外图像的生物特征识别，近红外图像不会受到环境光的干扰可以提高识别稳定性，然而却难以解决人造特征欺骗的问题；热红外图像仅对真实人脸成像，因此可以解决人造特征欺骗的问题，然而热红外图像分辨率低，严重影响识别效果。[0005]基于以上说明，目前仍缺乏一种较为全面的生物特征解决方案以用来执行像解锁、支付等任务。发明内容[0006]本发明为了解决现有技术中缺乏一种全面的人脸识别方案的问题，提供一种基于人脸识别的任务执行方法。[0007]为了解决上述问题，本发明采用的技术方案如下所述：本发明提供一种基于人脸识别的任务执行方法，其特征在于，包括：激活，激活当前任务；图像采集，获取包含人脸的结构光图像；识别，利用所述结构光图像进行人脸检测与识别；执行，根据所述人脸检测与识别结果执行任务。[0008]在一些实施方案中，所述结构光图像包括红外散斑图像。在一些实施方案中