[發(fā)明專利]高精度人臉認(rèn)證方法、系統(tǒng)、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010196121.3
• 申請(qǐng)日: 2020-03-19
• 公開（公告）號(hào): CN111310732A
• 公開（公告）日: 2020-06-19
• 發(fā)明（設(shè)計(jì)）人: 龔汝洪;杜振鋒;周曉清
• 申請(qǐng)（專利權(quán)）人: 廣東宜教通教育有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06N3/04
• 代理公司: 廣州市華學(xué)知識(shí)產(chǎn)權(quán)代理有限公司 44245
• 代理人: 李君

1.一種高精度人臉認(rèn)證方法，其特征在于，所述方法包括：

利用多任務(wù)級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)對(duì)待檢測(cè)圖像進(jìn)行人臉檢測(cè)，得到人臉圖像；

基于101層殘差網(wǎng)絡(luò)對(duì)人臉圖像進(jìn)行特征提取，得到512維人臉深度特征，作為待認(rèn)證人員人臉特征；

將待認(rèn)證人員人臉特征與資料庫人員人臉特征進(jìn)行比對(duì)，得到人臉認(rèn)證結(jié)果。

2.根據(jù)權(quán)利要求1所述的高精度人臉認(rèn)證方法，其特征在于，所述利用多任務(wù)級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)對(duì)待檢測(cè)圖像進(jìn)行人臉檢測(cè)，得到人臉圖像，具體包括：

按照不同的縮放比例，將待檢測(cè)圖像縮放成不同大小的圖像，形成圖像的特征金字塔；

將特征金字塔輸入候選提議網(wǎng)絡(luò)，得到第一人臉分類結(jié)果、第一候選框和第一人臉輪廓關(guān)鍵點(diǎn)；

將第一候選框以坐標(biāo)形式返回到待檢測(cè)圖像，并輸入改善網(wǎng)絡(luò)，得到第二人臉分類結(jié)果、第二候選框和第二人臉輪廓關(guān)鍵點(diǎn)；

將第二候選框以坐標(biāo)形式返回到待檢測(cè)圖像，并輸入輸出網(wǎng)絡(luò)，得到第三人臉分類結(jié)果、第三候選框和第三人臉輪廓關(guān)鍵點(diǎn)，從而得到人臉圖像。

3.根據(jù)權(quán)利要求2所述的高精度人臉認(rèn)證方法，其特征在于，所述將特征金字塔輸入候選提議網(wǎng)絡(luò)，得到第一人臉分類結(jié)果、第一候選框和第一人臉輪廓關(guān)鍵點(diǎn)，具體包括：

將特征金字塔輸入候選提議網(wǎng)絡(luò)的第一層，通過10個(gè)3*3*3的卷積核、2*2的最大池化操作，生成10個(gè)5*5的特征圖；

將10個(gè)5*5的特征圖輸入候選提議網(wǎng)絡(luò)的第二層，通過16個(gè)3*3*10的卷積核，生成16個(gè)3*3的特征圖；

將16個(gè)3*3的特征圖輸入候選提議網(wǎng)絡(luò)的第三層，通過32個(gè)3*3*16的卷積核，生成32個(gè)1*1的特征圖；

針對(duì)32個(gè)1*1的特征圖，通過2個(gè)1*1*32的卷積核，輸出第一人臉分類結(jié)果；通過4個(gè)1*1*32的卷積核，輸出第一候選框；通過10個(gè)1*1*32的卷積核，輸出第一人臉輪廓關(guān)鍵點(diǎn)。

4.根據(jù)權(quán)利要求2所述的高精度人臉認(rèn)證方法，其特征在于，所述將第一候選框以坐標(biāo)形式返回到待檢測(cè)圖像，并輸入改善網(wǎng)絡(luò)，得到第二人臉分類結(jié)果、第二候選框和第二人臉輪廓關(guān)鍵點(diǎn)，具體包括：

將第一候選框以坐標(biāo)形式返回到待檢測(cè)圖像，在待檢測(cè)圖像上截取出人臉區(qū)域圖像，并變換為24*24的人臉區(qū)域圖像輸入改善網(wǎng)絡(luò)的第一層，通過28個(gè)3*3*3的卷積核、3*3的最大池化操作，生成28個(gè)11*11的特征圖；

將28個(gè)11*11的特征圖輸入改善網(wǎng)絡(luò)的第二層，通過48個(gè)3*3*28的卷積核、3*3的最大池化操作，生成48個(gè)4*4的特征圖；

將48個(gè)4*4的特征圖輸入改善網(wǎng)絡(luò)的第三層，通過64個(gè)2*2*48的卷積核，生成64個(gè)3*3的特征圖；

將3*3*64的特征圖映射到大小為128的全連接層，輸出第二人臉分類結(jié)果、第二候選框和第二人臉輪廓關(guān)鍵點(diǎn)。

5.根據(jù)權(quán)利要求2所述的高精度人臉認(rèn)證方法，其特征在于，所述將第二候選框以坐標(biāo)形式返回到待檢測(cè)圖像，并輸入輸出網(wǎng)絡(luò)，得到第三人臉分類結(jié)果、第三候選框和第三人臉輪廓關(guān)鍵點(diǎn)，具體包括：

將第二候選框以坐標(biāo)形式返回到待檢測(cè)圖像，在待檢測(cè)圖像上截取出人臉區(qū)域圖像，并變換為48*48的人臉區(qū)域圖像輸入改善網(wǎng)絡(luò)的第一層，通過32個(gè)3*3*3的卷積核、3*3的最大池化操作，生成32個(gè)23*23的特征圖；

將32個(gè)23*23的特征圖輸入輸出網(wǎng)絡(luò)的第二層，通過64個(gè)3*3*32的卷積核、3*3的最大池化操作，生成64個(gè)10*10的特征圖；

將64個(gè)10*10的特征圖輸入輸出網(wǎng)絡(luò)的第三層，通過64個(gè)3*3*64的卷積核、3*3的最大池化操作，生成64個(gè)4*4的特征圖；

將64個(gè)4*4的特征圖輸入輸出網(wǎng)絡(luò)的第四層，通過128個(gè)2*2*64的卷積核，生成128個(gè)3*3的特征圖；

將3*3*128的特征圖映射到大小為256的全連接層，輸出第三人臉分類結(jié)果、第三候選框和第三人臉輪廓關(guān)鍵點(diǎn)。