[發明專利]輕量級人臉識別方法、系統、計算機設備及存儲介質在審

申請號：	202010164943.3	申請日：	2020-03-11
公開（公告）號：	CN111400535A	公開（公告）日：	2020-07-10
發明（設計）人：	龔汝洪;杜振鋒;周曉清	申請（專利權）人：	廣東宜教通教育有限公司
主分類號：	G06F16/583	分類號：	G06F16/583;G06K9/00;G06N3/04;G06N3/08
代理公司：	廣州市華學知識產權代理有限公司 44245	代理人：	李君
地址：	510630 廣東省廣州***	國省代碼：	廣東;44
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	輕量級識別方法系統計算機設備存儲介質
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本發明公開了一種輕量級人臉識別方法、系統、計算機設備及存儲介質，所述方法包括：利用人臉檢測網絡對人臉進行檢測，得到人臉圖像特征，所述人臉檢測網絡包括五個深度可分離卷積層和三個Inception塊；利用特征提取網絡對人臉圖像特征進行特征提取，得到128維特征向量，作為待識別人臉特征，所述特征提取網絡包括十二個堆疊層；將待識別人臉特征與數據庫人臉特征進行比對，得到人臉識別結果。本發明在保持較高的識別速度的同時能夠兼顧較好的特征提取。

技術領域

本發明涉及一種輕量級人臉識別方法、系統、計算機設備及存儲介質，屬于深度學習和圖像處理領域。

背景技術

人臉識別，是基于人的特征信息進行身份識別的一種生物識別技術，用攝像機或攝像頭采集人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進而對檢測的人臉進行臉部識別的一系列相關技術，通常也叫做人像識別、面部識別。

人臉識別的流程主要分為三部分：人臉檢測、人臉特征提取和人臉特征比對。其中人臉檢測用于獲取圖像中的人臉位置信息，從而對人臉進行截取，目前主流的方法有CascadeCNN通過級聯架構來訓練一個具有高精度區分能力的卷積神經網絡；UnitBox引入一種新的交并比損失函數，實現了高效率的人臉檢測效果；CMS-RCNN將Faster RCNN構架運用到人臉檢測中，實現對圖像上下文信息的分析。人臉特征提取是人臉識別技術中最為重要的一步，直接關系到最后的識別效果，目前主流的人臉特征提取向量維數有128維和512維，提取方法有ArcFace利用新的損失函數，直接在角度空間(angular space)中最大化分類界限，CosineFace利用修改Softmax后的損失函數在余弦空間中最大化分類界限，SphereFace移除倒數第二層(一般為全連接層)的激活函數，使模型學習到的特征分布不被限制在第一象限，學習到的特征分布更加合理，其中運用的主構架網絡包括VGG16、ResNet和DenseNet等。人臉特征比對是將上一步提取的特征與數據庫特征進行比對，最后得到對比結果，目前運用在人臉識別中最廣泛的方法有歐幾里得距離對比法和特征向量余弦距離對比法。

近年來，由于深度學習技術的不斷進步，產生了眾多高效的人臉識別算法，使得人臉識別的準確率相比過去有了極大的提高，促使人臉識別技術在教育、安防和零售等領域得到普及。

發明內容

有鑒于此，本發明提供了一種輕量級人臉識別方法、系統、計算機設備及存儲介質，其在保持較高的識別速度的同時能夠兼顧較好的特征提取。

本發明的第一個目的在于提供一種輕量級人臉識別方法。

本發明的第二個目的在于提供一種輕量級人臉識別系統。

本發明的第三個目的在于提供一種計算機設備。

本發明的第四個目的在于提供一種存儲介質。

本發明的第一個目的可以通過采取如下技術方案達到：

一種輕量級人臉識別方法，所述方法包括：

利用人臉檢測網絡對人臉進行檢測，得到人臉圖像特征；其中，所述人臉檢測網絡包括五個深度可分離卷積層和三個Inception塊；

利用特征提取網絡對人臉圖像特征進行特征提取，得到128維特征向量，作為待識別人臉特征；其中，所述特征提取網絡包括十二個堆疊層；

將待識別人臉特征與數據庫人臉特征進行比對，得到人臉識別結果。