[發明專利]一種面部識別方法、裝置及其使用的移動終端

有效

• 申請號: 201711349035.6
• 申請日: 2017-12-15
• 公開（公告）號: CN107944429B
• 公開（公告）日: 2021-03-12
• 發明（設計）人: 黃錦標
• 申請（專利權）人: 深圳市海譜納米光學科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 王仲凱

技術領域

本發明涉及圖像處理領域，更具體地說，涉及一種面部識別方法、裝置及其使用的移動終端。

背景技術

面部檢測與識別正在變成一種越來越重要的技術，就這一點而言，面部檢測例如可以在生物測定、用戶接口、游戲和其它領域(比如在移動領域中創建用于訪問社區的上下文)中使用。微處理器計算能力的發展也已經使面部分析功能在移動設備如蜂窩電話和其它智能設備上使用。

為了開發可應用系統，面部檢測與識別需要適當的總體速度和高準確度。卷積神經網絡(Convolution NeuralNetwork,CNN)是一種特殊的深層的神經網絡模型，它是將人工神經網絡和深度學習技術相結合二產生的一種新型人工神經網絡方法，具有局部感受區域、層次結構化、特征提取和分類過程相結合的全局訓練的特點，在圖像識別領域獲得了廣泛的應用。隨著卷積神經網絡的近期發展，對于面部檢測和面部識別均可以實現極高的準確度。

對于僅檢測圖像中的面部對象，大多數檢測網絡例如單次多重檢測器(Single Shot MultiBox Detector，SSD)和基于區域的全卷積網絡(Region-based Fully ConvolutionalNetwork，R-FCN))的準確度為約90％。對于面部識別，即使是淺層CNN網絡也能達到99％的準確度。雖然基于CNN的人臉檢測和人臉識別有很好的準確度，但是由于其復雜的卷積運算，現有技術中大多數的應用只在云端的服務器上。

因此，如何在移動終端上實現面部檢測與面部識別的結合是本領域技術人員需要解決的問題。

發明內容

本發明的目的在于提供一種面部識別方法、裝置及其使用的移動終端，實現了面部檢測與面部識別的結合。

為實現上述目的，本發明實施例提供了一種面部識別方法，包括：

接收用戶發送的待檢測圖像；

檢測所述待檢測圖像中是否存在面部圖像；

若是，則提取所述面部圖像中的目標面部特征；

將所述目標面部特征與特征數據庫中的面部特征進行匹配，并得到匹配結果。

其中，所述提取所述面部圖像中的目標面部特征，包括：

獲取所述面部圖像對應的目標邊界框；

根據所述目標邊界框，將所述面部圖像裁剪縮放成預訂尺寸的標準目標面部圖像；

從所述標準目標面部圖像中提取目標面部特征。

其中，所述接收用戶發送的待檢測圖像之前，還包括：

接收待存儲面部圖像和所述待存儲面部圖像對應的標記，將所述待存儲面部圖像裁剪縮放成預訂尺寸的標準面部圖像；

計算所述標準面部圖像的特征序列，并將所述特征序列和所述標記的對應關系存儲至特征數據庫中。

其中，將所述目標面部特征與特征數據庫中的面部特征進行匹配，并得到匹配結果，包括：

計算所述目標面部特征的目標特征序列；

計算所述目標特征序列與特征數據庫中所有特征序列的相似度；

判斷所述相似度中是否存在大于0的備選相似度；

若是，則將所述備選相似度中的最大值作為目標相似度，并將所述目標相似度對應特征序列的標記確定為匹配結果。

其中，提取所述面部圖像中的目標面部特征之前，還包括：

判斷所述待檢測圖像中的面部圖像是否達到預設的數量；

若是，則執行提取所述面部圖像中的目標面部特征的步驟；

若否，則執行接收用戶發送的待檢測圖像的步驟。

為實現上述目的，本發明實施例提供了一種面部識別裝置，包括：

接收模塊，用于接收用戶發送的待檢測圖像；

面部檢測模塊，用于檢測所述待檢測圖像中是否存在面部圖像；

特征提取模塊，用于當所述待檢測圖像中存在面部圖像時，提取所述面部圖像中的目標面部特征；

面部識別模塊，用于將所述目標面部特征與特征數據庫中的面部特征進行匹配，并得到匹配結果。

其中，所述特征提取模塊具體包括：

提取邊界單元，用于獲取所述面部圖像對應的目標邊界框；

裁剪單元，用于根據所述目標邊界框，將所述面部圖像裁剪縮放成預訂尺寸的標準目標面部圖像；

提取特征單元，用于從所述標準目標面部圖像中提取目標面部特征。

其中，還包括：

獲取模塊，用于接收待存儲面部圖像和所述待存儲面部圖像對應的標記，將所述待存儲面部圖像裁剪縮放成預訂尺寸的標準面部圖像；