[發明專利]人臉識別方法及裝置、存儲介質、處理器

有效

• 申請號: 201711326014.2
• 申請日: 2017-12-12
• 公開（公告）號: CN108090433B
• 公開（公告）日: 2021-02-19
• 發明（設計）人: 陳龍華;陳連增;黃世志;姚鴻富
• 申請（專利權）人: 廈門集微科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 趙囡囡

本申請公開了一種人臉識別方法及裝置、存儲介質、處理器。其中，該方法包括：獲取待識別目標對象的人臉圖像；使用預設模型對人臉圖像進行分析，確定人臉圖像對應的多個特征向量，其中，預設模型為使用多組數據通過機器學習訓練得到的，多組數據中的每組數據均包括：人臉圖像和與人臉圖像對應的特征向量；獲取特征向量與預設特征庫中的基準特征向量的相似度；基于多個特征向量對應的相似度和為多個特征向量對應的相似度分配的權重確定人臉圖像所屬的類型。本申請解決了相關技術中在數據量較少的情況下，人臉識別的準確率比較低的技術問題。

技術領域

本申請涉及圖像識別領域，具體而言，涉及一種人臉識別方法及裝置、存儲介質、處理器。

背景技術

目前，隨著人臉檢測技術的不斷發展，各種優秀的人臉檢測算法不斷出現，效果已經接近甚至在某些情況超越人眼的識別能力。這樣顯著能力主要歸功兩個方面：深度學習和海量數據。深度學習可以自動學習圖像特征，提取出更加全面的人臉特征，海量數據可以提升人臉識別的精度。

當前存在的基于深度神經網絡的人臉識別模型使用了分類層：中間層為人臉圖像的向量映射，然后以分類層作為輸出層。但是，該人臉識別模型的識別效率低。海量的數據訓練能夠提升人臉識別模型性能，然而收集大量的人臉數據是一件極其困難的工作。同時，目前針對視頻處理的方法，主要是提取視頻圖像中的某些幀的人臉信息，利用深度學習進行訓練和檢測識別，但是，上述人臉識別方案存在以下缺點：現有技術的缺點是，在人臉識別模塊，只是做了特征距離計算，根據距離大小判斷人臉相似性，這種在數據量少的情況下，準確性會比較低。

針對上述的問題，目前尚未提出有效的解決方案。

發明內容

本申請提供了一種人臉識別方法及裝置、存儲介質、處理器，以至少解決相關技術中在數據量較少的情況下，人臉識別的準確率比較低的技術問題。

一方面，本申請提供了一種人臉識別方法，包括：獲取待識別目標對象的人臉圖像；使用預設模型對人臉圖像進行分析，確定人臉圖像對應的多個特征向量，其中，預設模型為使用多組數據通過機器學習訓練得到的，多組數據中的每組數據均包括：人臉圖像和與人臉圖像對應的特征向量；獲取特征向量與預設特征庫中的基準特征向量的相似度；基于多個特征向量對應的相似度和為多個特征向量對應的相似度分配的權重確定人臉圖像所屬的類型。

可選地，基于多個特征向量對應的相似度和為多個特征向量對應的相似度分配的權重確定人臉圖像所屬的類型，包括：依據為與多個特征向量對應的相似度分配的權重，對多個特征向量的相似度進行加權計算，得到計算結果；依據計算結果確定類型。

可選地，依據計算結果確定類型，包括：確定計算結果所屬的取值區間；依據預設映射關系確定與取值區間對應的類型，并將與取值區間對應的類型作為人臉圖像所屬的類型。

可選地，基于多個特征向量對應的相似度和為多個特征向量對應的相似度分配的權重確定人臉圖像所屬的類型之前，方法還包括：比較多個特征向量對應的相似度與同一預設閾值的大小；按照比較結果為與多個特征向量對應的相似度分配權重，其中，在比較結果指示相似度大于預設閾值時分配的權重小于比較結果指示相似度小于預設閾值時分配的權重。

可選地，按照比較結果為與多個特征向量對應的相似度分配權重，包括：按照以下方式確定與多個特征向量對應的權重：W＝1/(x+a)，其中，x為特征向量對應的相似度，a為常數值，其中，在比較結果指示相似度大于預設閾值時，a的取值為a1；在比較結果指示相似度小于預設閾值時，a的取值為a2，其中，a1大于a2。

可選地，獲取特征向量與預設特征庫中的基準特征向量的相似度，包括：獲取特征向量與基準特征向量之間的歐式距離；將歐式距離作為特征向量與預設特征庫中的基準特征向量的相似度。