[發明專利]一種人臉識別方法及裝置

有效

• 申請號: 201710494315.X
• 申請日: 2017-06-26
• 公開（公告）號: CN107423690B
• 公開（公告）日: 2020-11-13
• 發明（設計）人: 蔡念;李飛洋;陳文杰;黃林嘉;池浩塬
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 羅滿

本發明實施例公開了一種人臉識別方法及裝置，方法包括提取當前待識別人臉圖像的Haar特征，并利用ADaBoost分類器檢測該待識別人臉圖像的人臉區域，從而獲取人臉區域圖像；利用卷積神經網絡模型對人臉區域圖像進行多尺度特征提取，得到人臉區域圖像的特征向量；將特征向量、預先構建合法人臉數據庫、預設用戶相似度閾值輸入預先基于Softmax損失函數及Triplet損失函數構建的多任務學習模型中，根據多任務學習模型的輸出值以判定所述待識別人臉圖像是否為合法用戶。提取的特征具有好的魯棒性及好的泛化能力，不僅提高了人臉識別的速率，還提高了人臉識別的準確度，從而提高身份鑒別的安全性。

技術領域

本發明實施例涉及圖像處理技術領域，特別是涉及一種人臉識別方法及裝置。

背景技術

隨著計算機技術與圖像處理技術的飛躍發展，由于人臉與人體的其它生物特征(例如指紋、虹膜等)一樣與生俱來，它的唯一性和不易復制等良好特性為身份鑒別提供了必要的前提，故其在公共安全領域得到了廣泛的應用。人臉識別技術為一種利用分析比較人臉視覺特征信息，以進行身份鑒別的計算機技術。

人臉識別是用攝像機或攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測并跟蹤人臉，進而對檢測到的人臉的相關特征信息進行提取，然后根據相關特征信息進行識別，以此實現身份的鑒別。各類人臉識別的關鍵在于提取人臉數據中與身份相關的本質特征，減弱甚至消除與身份不相關的信息，例如環境光照、姿勢、表情以及飾物。

現有技術中，根據偽造人臉和真實人臉在物理特性上的不同，例如人臉面部運動和生理性運動，表面反射特性或顏色紋理差異等，通過一些圖像處理及變換技術，使兩者之間的差異顯著化，最后進行一個簡單的機器學習分類任務便可分辨真偽，即識別為照片還是真實人臉。然而上述方法多依靠人工進行提取特征，不僅費時費力，而且很大程度上依靠經驗或先驗知識，整體系統識別的效率較低，無法得到好的泛化效果，人工參與無法避免會提取錯誤的特征，從而導致整體人臉識別的準確度降低。

故，如何提高人臉識別的準確度，從而提高身份鑒別的安全性，是本領域技術人員亟待解決的問題。

發明內容

本發明實施例的目的是提供一種人臉識別方法及裝置，以提高人臉識別的準確率。

為解決上述技術問題，本發明實施例提供以下技術方案：

本發明實施例一方面提供了一種人臉識別方法，包括：

獲取圖像采集設備采集的當前待識別人臉圖像，并提取所述待識別人臉圖像的Haar特征，根據所述Haar特征利用ADaBoost分類器檢測所述待識別人臉圖像的人臉區域，以獲取人臉區域圖像；

利用卷積神經網絡模型對所述人臉區域圖像進行多尺度特征提取，以獲取所述人臉區域圖像的特征向量；

將所述特征向量、預先構建合法人臉數據庫、預設用戶相似度閾值輸入預先基于Softmax損失函數及Triplet損失函數構建的多任務學習模型中，根據所述多任務學習模型的輸出值以判定所述待識別人臉圖像是否為合法用戶。

可選的，所述將根據所述多任務學習模型的輸出值以判定所述待識別人臉圖像是否為合法用戶包括：

接收用戶輸入的權衡因子，根據所述權衡因子對所述多任務學習模型進行設置；

根據所述權衡因子的執行多任務學習模型中的各個單任務，根據各個所述單任務的輸出，以判定所述待識別人臉圖像是否為合法用戶。

可選的，所述根據所述權衡因子的執行多任務學習模型中的各個單任務，根據各個所述單任務的輸出，以判定所述待識別人臉圖像是否為合法用戶包括：