[發明專利]人臉識別方法、裝置及計算機存儲介質

在審

• 申請號: 201811613890.8
• 申請日: 2018-12-27
• 公開（公告）號: CN111382596A
• 公開（公告）日: 2020-07-07
• 發明（設計）人: 楊進維
• 申請（專利權）人: 鴻富錦精密工業（武漢）有限公司;鴻海精密工業股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08
• 代理公司: 深圳市賽恩倍吉知識產權代理有限公司 44334
• 代理人: 饒智彬;劉永輝

本發明提出一種人臉識別方法，該方法包括如下步驟：建立深度網絡模型，獲取訓練資料并訓練深度網絡模型；獲取人臉的原始圖像，并同時獲取原始圖像對應的景深圖像；根據所述原始圖像和景深圖像通過預設的人臉檢測方法判斷原始圖像是否為真人圖像；若是，則通過深度網絡模型匹配所述原始圖像與圖像數據庫內預存的待匹配的人員的匹配圖像，并輸出匹配結果。本發明提供的人臉識別方法，采用遷移學習的深度學習方式訓練深度網絡模型，采用人臉檢測方法檢測原始圖像為真人圖像還是圖片。本發明進一步對應提供了一種人臉識別裝置及計算機存儲介質。利用本發明的人臉識別方法，準確區分真人圖像以及辨識未知人員，識別準確率高，且應用廣泛。

技術領域

本發明涉及一種圖像識別技術領域，特別是一種人臉識別方法、裝置及計算機存儲介質。

背景技術

近幾年以來，生物識別技術的飛速發展給人們生活各方面帶來了極大的方便。其中，人臉識別以其特有的優勢，得到了廣大研究者的關注，尤其深度學習在人臉識別的準確性的提高。然而，人臉識別技術在不斷進步的同時，也面臨著諸多亟待解決的問題，如人臉圖像是否為真人的問題和未知人員的判斷問題。

發明內容

鑒于上述狀況，有必要提供一種人臉識別方法、裝置及計算機存儲介質，采用遷移學習的深度學習方式訓練神經網絡，利用訓練后的神經網絡模型進行人臉識別，以解決上述人臉識別面臨的問題。

本發明第一方面提供了一種人臉識別方法，所述人臉識別方法包括如下步驟：建立深度網絡模型，獲取訓練資料并訓練所述深度網絡模型；獲取所述人臉的原始圖像，并同時獲取所述原始圖像對應的景深圖像；根據所述原始圖像和所述景深圖像通過預設的人臉檢測方法判斷所述原始圖像是否為真人圖像；若否，則返回所述獲取所述人臉的原始圖像；若是，則通過所述深度網絡模型匹配所述原始圖像與圖像數據庫內預存的待匹配的人員的匹配圖像，并輸出匹配結果。

本發明第二方面還提供了一種人臉識別裝置，所述人臉是識別裝置包括：提取單元；用于提取所述人臉的原始圖像和與所述原始圖像對應的景深圖像；顯示單元；用于顯示所述人臉識別的相關信息；至少一個處理器；以及至少一個存儲器，至少一個所述存儲器中存儲有多個程序模塊，所述多個程序模塊由至少一個所述處理器運行并執行如下步驟：建立深度網絡模型，獲取訓練資料并訓練所述深度網絡模型；獲取所述人臉的原始圖像，并同時獲取所述原始圖像對應的景深圖像；根據所述原始圖像和所述景深圖像通過預設的人臉檢測方法判斷所述原始圖像是否為真人圖像；若否，則返回所述獲取所述人臉的原始圖像；若是，則通過所述深度網絡模型匹配所述原始圖像與圖像數據庫內預存的待匹配的人員的匹配圖像，并輸出匹配結果。

本發明的第三方面還提供了一種計算機存儲介質，所述計算機存儲介質存儲有計算機程序代碼，當所述計算機程序代碼在計算設備上運行時，導致所述計算設備執行上述所述的人臉識別方法。

本發明提供的人臉識別方法，采用遷移學習的深度學習方式訓練深度網絡模型，將訓練后的深度模型應用于人臉識別中。在人臉識別中，采用人臉檢測方法檢測原始圖像為真人圖像還是圖片。若檢測結果是真人圖像，則進行人臉識別采用余弦相似度法進行判斷，判斷原始圖像是否預存于圖像數據庫內。若該原始圖像預存于圖像數據庫內，則顯示該原始圖像對應的人員信息。本發明進一步對應提供了一種人臉識別裝置及計算機存儲介質。利用本發明的人臉識別方法，準確區分真人圖像以及辨識未知人員，識別準確率高，且應用廣泛。

附圖說明

圖1是本發明一個實施例中的人臉識別裝置的模塊示意圖。

圖2是本發明一個實施例中第一數據處理系統的模塊示意圖。

圖3是本發明一個實施例中第二數據處理系統的模塊示意圖。

圖4是本發明一個實施例中人臉識別方法的流程示意圖。

圖5是圖4所示的人臉識別方法中的余弦相似度法進行人臉識別的流程示意圖。