[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

本申請公開了一種神經網絡模型訓練、人臉識別方法、裝置、設備及介質，可有效地對待識別人臉進行識別。其中神經網絡模型訓練方法部分包括：獲取人臉對應的點云數據，以及人臉對應的深度圖像數據；獲取點云數據在第一預設方向上的第一投影數據，并獲取點云數據在第二預設方向上的第二投影數據，第一預設方向和第二預設方向為不同的投影方向；將深度圖像數據、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個人臉對應的訓練數據所構成的訓練集對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，N大于或等于2。

技術領域

本申請涉及計算機領域，尤其涉及一種神經網絡模型訓練、人臉識別方法、裝置、設備及介質。

背景技術

卷積神經網絡(convolutional neural network，CNN)是近年發展起來，并引起廣泛重視的一種高效識別方法。現在，CNN已經成為眾多科學領域的研究熱點之一，尤其是在人臉識別、圖像分類識別等領域有著較大的研究前景。VGG(visual geometry group)神經網絡為卷積神經網絡中的一種，由牛津大學的視覺幾何組提出，VGG神經網絡對其他數據集具有很好的泛化能力。

然而，VGG神經網絡模型中，由于其固有的卷積神經網絡架構，可以用來做二維的人臉識別，傳統上訓練得到的VGG神經網絡模型通常為對待識別人臉為二維的人臉圖像的R\G\B三個通道的數據作為輸入數據，但是它不適合用于待識別人臉為三維的人臉識別，三維人臉是一種三維數據信息，轉換成深度圖像數據時為單通道圖像數據，因此，傳統的VGG卷積神經網絡模型并不是很適用于三維人臉識別，不能有效地提取對三維人臉進行識別。

發明內容

基于此，有必要針對所述技術問題，提供一種可以有效地對三維人臉進行識別的神經網絡模型訓練、人臉識別方法、裝置、設備及介質。

一種神經網絡模型訓練方法，包括：

獲取人臉對應的點云數據，以及人臉對應的深度圖像數據；

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

將深度圖像數據、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個人臉對應的訓練數據所構成的訓練集對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，N大于或等于2。

一種人臉識別方法，包括：

獲取待識別人臉的點云數據以及深度圖像數據；

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

將深度圖像數據、第一投影數據以及第二投影數據，作為VGG神經網絡識別模型的輸入數據；

將輸入數據輸入神經網絡模型訓練方法得到的收斂的VGG神經網絡識別模型以對待識別人臉進行識別。

一種神經網絡模型訓練裝置，包括：

第一獲取模塊，用于獲取人臉對應的點云數據，以及人臉對應的深度圖像數據；

第二獲取模塊，用于獲取第一獲取模塊獲取的點云數據在第一預設方向上的第一投影數據，并獲取第一獲取模塊在點云數據在第二預設方向上的第二投影數據，第一預設方向和第二預設方向為不同的投影方向；

確定模塊，用于將第一獲取模塊獲取的深度圖像數據、第二獲取模塊獲取的第一投影數據以及第二投影數據三個通道的數據，作為VGG神經網絡模型的訓練數據；