[發明專利]用于識別人臉的方法和裝置

在審

• 申請號: 201810257453.0
• 申請日: 2018-03-27
• 公開（公告）號: CN108446650A
• 公開（公告）日: 2018-08-24
• 發明（設計）人: 何濤
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

1.一種用于識別人臉的方法，包括：

獲取第一人臉圖像和第二人臉圖像，其中，所述第一人臉圖像和所述第二人臉圖像分別是采用第一相機和第二相機在不同位置同時拍攝待識別人臉所得到的圖像；

將所述第一人臉圖像和所述第二人臉圖像分別輸入預先訓練的特征提取模型，得到第一特征向量和第二特征向量，其中，所述特征提取模型用于提取圖像特征；

融合所述第一特征向量和所述第二特征向量，得到融合特征向量；

根據所述融合特征向量與預設人臉特征庫中各特征向量之間的距離，確定與所述待識別人臉對應的用戶標識，其中，所述人臉特征庫用于表征特征向量與用戶標識之間的對應關系。

2.根據權利要求1所述的方法，其中，所述融合所述第一特征向量和所述第二特征向量，得到融合特征向量，包括：

以所述第一特征向量和所述第二特征向量為n維隨機變量的統計數據，計算n維隨機變量的協方差矩陣，其中，所述第一特征向量和所述第二特征向量均為n維向量，n為正整數；

建立所述融合特征向量的各個分量與所述協方差矩陣中各元素之間的對應關系；

對于所述融合特征向量的每個分量，將該分量的值確定為所述協方差矩陣中與該分量對應的元素的值。

3.根據權利要求1所述的方法，其中，所述融合所述第一特征向量和所述第二特征向量，得到融合特征向量，包括：

拼接所述第一特征向量和所述第二特征向量，得到所述融合特征向量。

4.根據權利要求1所述的方法，其中，所述特征提取模型為卷積神經網絡。

5.根據權利要求1-4中任一所述的方法，其中，所述根據所述融合特征向量與預設人臉特征庫中各特征向量之間的距離，確定與所述待識別人臉對應的用戶標識，包括：

將所述預設人臉特征庫中與所述融合特征向量的距離最小的特征向量確定為第三特征向量；

響應于確定所述第三特征向量與所述融合特征向量之間的距離小于預設距離閾值，將所述人臉特征庫中與所述第三特征向量對應的用戶標識確定為與所述待識別人臉對應的用戶標識。

6.根據權利要求5所述的方法，其中，所述根據所述融合特征向量與預設人臉特征庫中各特征向量之間的距離，確定與所述待識別人臉對應的用戶標識，還包括：

響應于確定所述第三特征向量與所述融合特征向量之間的距離不小于所述預設距離閾值，生成用于指示識別所述待識別人臉失敗的失敗提示信息。

7.一種用于識別人臉的裝置，包括：

獲取單元，配置用于獲取第一人臉圖像和第二人臉圖像，其中，所述第一人臉圖像和所述第二人臉圖像分別是采用第一相機和第二相機在不同位置同時拍攝待識別人臉所得到的圖像；

輸入單元，配置用于將所述第一人臉圖像和所述第二人臉圖像分別輸入預先訓練的特征提取模型，得到第一特征向量和第二特征向量，其中，所述特征提取模型用于提取圖像特征；

融合單元，配置用于融合所述第一特征向量和所述第二特征向量，得到融合特征向量；

識別單元，配置用于根據所述融合特征向量與預設人臉特征庫中各特征向量之間的距離，確定與所述待識別人臉對應的用戶標識，其中，所述人臉特征庫用于表征特征向量與用戶標識之間的對應關系。

8.根據權利要求7所述的裝置，其中，所述融合單元包括：

計算模塊，配置用于以所述第一特征向量和所述第二特征向量為n維隨機變量的統計數據，計算n維隨機變量的協方差矩陣，其中，所述第一特征向量和所述第二特征向量均為n維向量，n為正整數；

關系建立模塊，配置用于建立所述融合特征向量的各個分量與所述協方差矩陣中各元素之間的對應關系；

值確定模塊，配置用于對于所述融合特征向量的每個分量，將該分量的值確定為所述協方差矩陣中與該分量對應的元素的值。

9.根據權利要求7所述的裝置，其中，所述融合單元進一步用于：

拼接所述第一特征向量和所述第二特征向量，得到所述融合特征向量。