[發明專利]神經網絡模型訓練、人臉識別方法、裝置、設備及介質

在審

• 申請號: 201810939556.5
• 申請日: 2018-08-17
• 公開（公告）號: CN110197109A
• 公開（公告）日: 2019-09-03
• 發明（設計）人: 周衍鑫
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 深圳眾鼎專利商標代理事務所(普通合伙) 44325
• 代理人: 周燕君

1.一種神經網絡模型訓練方法，其特征在于，包括：

獲取人臉對應的點云數據，以及所述人臉對應的深度圖像數據；

獲取所述點云數據在第一預設方向上的第一投影數據，并獲取所述點云數據在第二預設方向上的第二投影數據，所述第一預設方向和所述第二預設方向為不同的投影方向；

將所述深度圖像數據、第一投影數據以及第二投影數據，作為VGG神經網絡模型的訓練數據；

通過由N個所述人臉對應的所述訓練數據所構成的訓練集對所述VGG神經網絡模型進行訓練以得到收斂的所述VGG神經網絡模型，所述N大于或等于2。

2.如權利要求1所述的神經網絡模型訓練方法，其特征在于，所述獲取所述點云數據在第一預設方向上的第一投影數據，包括：

將所述點云數據在目標坐標系的方位角方向作為第一預設方向；

對所述點云數據在所述第一預設方向上進行投影以生成所述第一投影數據。

3.如權利要求2所述的神經網絡模型訓練方法，其特征在于，所述獲取所述點云數據在第二預設方向上的第二投影數據，包括：

將所述點云數據在目標坐標系的傾斜角方向作為所述第二預設方向；

對所述點云數據在所述第二預設方向上進行投影以生成第二投影數據。

4.如權利要求3所述的神經網絡模型訓練方法，其特征在于，所述VGG神經網絡模型的卷積核大小為7x7。

5.如權利要求4所述的神經網絡模型訓練方法，其特征在于，所述獲取人臉的點云數據，包括：

獲取所述人臉在不同姿態下的每一幀點云數據；

將所述每一幀點云數據進行融合匹配，以統一到同一坐標系中的融合點云數據作為所述人臉的點云數據。

6.一種人臉識別方法，其特征在于，包括：

獲取待識別人臉的點云數據以及深度圖像數據；

獲取所述點云數據在第一預設方向上的第一投影數據，并獲取所述點云數據在第二預設方向上的第二投影數據，所述第一預設方向和所述第二預設方向為不同的投影方向；

將所述深度圖像數據、所述第一投影數據以及所述第二投影數據作為輸入數據；

將所述輸入數據輸入如權利要求1-5所述的收斂的VGG神經網絡識別模型以對所述待識別人臉進行識別。

7.一種神經網絡模型訓練裝置，其特征在于，包括：

第一獲取模塊，用于獲取人臉對應的點云數據，以及所述人臉對應的深度圖像數據；

第二獲取模塊，用于獲取所述第一獲取模塊獲取的所述點云數據在第一預設方向上的第一投影數據，并獲取所述第一獲取模塊在所述點云數據在第二預設方向上的第二投影數據，所述第一預設方向和所述第二預設方向為不同的投影方向；

確定模塊，用于將所述第一獲取模塊獲取的所述深度圖像數據、所述第二獲取模塊獲取的所述第一投影數據以及第二投影數據，作為VGG神經網絡模型的訓練數據；

訓練模塊，用于通過由N個所述人臉對應的所述確定模塊確定的所述訓練數據所構成的訓練集對所述VGG神經網絡模型進行訓練以得到收斂的所述VGG神經網絡模型，所述N大于或等于2。

8.一種人臉識別裝置，其特征在于，包括：

第一獲取模塊，用于獲取待識別人臉的點云數據以及深度圖像數據；

第二獲取模塊，用于獲取所述第一獲取模塊獲取的所述點云數據在第一預設方向上的第一投影數據，并獲取所述點云數據在第二預設方向上的第二投影數據，所述第一預設方向和所述第二預設方向為不同的投影方向；

確定模塊，用于將所述第一獲取模塊獲取的所述深度圖像數據、所述第二獲取模塊獲取的所述第一投影數據以及所述第二投影數據，作為VGG神經網絡識別模型的輸入數據；

識別模塊，用于將所述確定模塊確定的所述輸入數據輸入如權利要求1-5所述的收斂的所述VGG神經網絡識別模型以對所述待識別人臉進行識別。