[發明專利]一種人臉識別方法、裝置、計算機設備及存儲介質

在審

• 申請號: 201811475892.5
• 申請日: 2018-12-04
• 公開（公告）號: CN109522872A
• 公開（公告）日: 2019-03-26
• 發明（設計）人: 宋彬;徐琛
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京華仲龍騰專利代理事務所(普通合伙) 11548
• 代理人: 李靜

1.一種人臉識別方法，其特征在于，所述方法包括：

獲取待識別的人臉圖像；

利用深度神經網絡模型對所述待識別的人臉圖像進行識別，得到所述待識別人臉圖像中的多種人臉特征信息；

輸出所述多種人臉特征信息。

2.根據權利要求1所述的方法，其特征在于，所述利用深度神經網絡模型對所述待識別的人臉圖像進行識別，得到所述待識別人臉圖像中的多種人臉特征信息之前，包括：

對所述深度神經網絡模型進行多輪訓練，以使所述深度神經網絡模型能夠識別所述待識別人臉圖像中的所述多個人臉特征信息。

3.根據權利要求2所述的方法，其特征在于，所述對所述深度神經網絡模型進行多輪訓練之前，對數據集進行預處理，包括：

對所述數據集中的樣本圖像中的五官特征點進行定位；

對定位后的所述五官特征點進行仿射變換，實現樣本圖像的預對齊處理；

將預對齊處理后的所述樣本圖像進行圖像分割，得到人臉特征信息訓練樣本；

其中，當所述數據集用于訓練所述深度神經網絡模型識別人臉年齡時，還需要對所述數據集內的樣本圖像以預設的年齡段標準進行分類，以形成人臉年齡訓練樣本。

4.根據權利要求2所述的方法，其特征在于，所述對所述深度神經網絡模型進行多輪訓練，以使所述深度神經網絡模型能夠識別所述待識別人臉圖像中的所述多個人臉特征信息，包括：

采用第1種數據集訓練所述深度神經網絡模型，以使所述深度神經網絡模型能夠識別所述待識別的人臉圖像中的第一人臉特征信息；

采用第n種數據集訓練已經經過n-1種數據集訓練過的深度神經網絡模型，以使所述深度神經網絡模型在能夠識別所述待識別的人臉圖像中的第一人臉特征信息、至第n-1人臉特征信息的情況下，又能夠識別所述待識別的人臉圖像中的第n人臉特征信息；其中，n≥2，且n為整數。

5.根據權利要求4所述的方法，其特征在于，所述深度神經網絡模型包括卷積層、池化層、以及全連接層，所述深度神經網絡模型采用第n種數據集訓練時，保留經過前n-1種數據集訓練得到的參數，在所述深度神經網絡模型中增加用于識別第n人臉特征信息的新的全連接層，所述第n種數據集用于訓練所述新的全連接層的參數。

6.根據權利要求4所述的方法，其特征在于，所述第n種數據集中的樣本圖像中至少包含所述第n人臉特征信息，所述第n人臉特征信息與所述第1～第n-1人臉特征信息均不相同。

7.根據權利要求1所述的一種方法，其特征在于，所述人臉特征信息包括身份特征信息、性別特征信息、以及年齡特征信息。

8.一種人臉識別裝置，其特征在于，所述裝置包括：

信息獲取單元，所述信息獲取單元用于獲取待識別的人臉圖像；

信息處理單元，所述信息處理單元用于利用深度神經網絡模型對所述待識別的人臉圖像進行識別，得到所述待識別的人臉圖像中的人臉特征信息；其中，所述深度神經網絡模型由多個數據集經過多輪訓練得到，所述深度神經網絡模型能夠識別所述待識別的人臉圖像中的多個人臉特征信息；以及

信息輸出單元，所述信息輸出單元用于輸出所述人臉特征信息。

9.一種計算機設備，其特征在于，包括存儲器和處理器，所述存儲器中存儲有計算機程序，所述計算機程序被所述處理器執行時，使得所述處理器執行權利要求1至7中任一項權利要求所述一種人臉識別方法的步驟。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時，使得所述處理器執行權利要求1至7中任一項權利要求所述一種人臉識別方法的步驟。