一、 2D人脸识别根据其技术发展可分为两大类:传统人脸识别、基于神经网络人脸识别:
1.传统人脸识别:主要采用数学方法,从图像矩阵中提取对应的特征,一般为尺度不变特征,常用的算法有SURF、SIFT、HARRIS、GFTT等。
2.基于神经网络人脸识别:目前2D人脸识别在各种的开源数据集上测试的识别准确率已经达到了99.80%(人脸识别算法insightface在LFW数据集上的测试结果)。(如图一)
二 、2.5D是在某个视角下拍摄的面部深度数据,表面不连续,因为拍摄时未捕获被遮挡部分的深度数据。
三、3D人脸识别在市场上根据使用摄像头成像原理主要分为:3D结构光(Structured Light)与飞行时间(ToF)、双目立体视觉(Stereo Vision)一起,共同组成了当前3D摄像头的三条主流技术路线。
1. 3D结构光通过红外光投射器,将具有一定结构特征的光线投射到被拍摄物体上,再由专门的红外摄像头进行采集。利用三角形相似的原理计算,得出图像上每个点的深度信息,最终得到三维数据。
2.飞行时间TOF简单的说就是激光测距,照射光源一般采用方波脉冲调制,根据脉冲发射和接收的时间差来测算距离。
3.双目立体视觉是基于视差原理并由多幅图像获取物体三维几何信息的方法。由双摄像机从不同角度同时获得被测物的两幅数字图像,并基于视差原理恢复出物体的三维几何信息,从而得出图像上每个点的深度信息、最终得到三维数据。
3D人脸识别处理的是3D的数据,如点云、体素等,这些数据是完整的,立体的,能表达出物体各个角度的特征,而2D+人脸识别,其处理方式比较简单,只是将3D的人脸数据分为2D的RGB数据+深度数据。
人脸识别2D、3D主要的区别是图像数据的获取、人脸特征的提取方式不一样。但是2D人脸识别跟3D人脸识别步骤基本上一致,都是图像数据获取–>人脸检测–>特征提取–>信息比对。(如图二)
可见3D人脸数据比2D人脸数据多了一维深度的信息,不管在识别准确度上还是活体检测准确度上3D人脸识别都比2D人脸识别有优势。但由于3D人脸数据比2D人脸数据多了一维深度信息,在数据处理的方法上有比较大的差异(如图三)。
总的来说3D人脸识别细节上比2D的人脸识别复杂。
领取专属 10元无门槛券
私享最新 技术干货