[發明專利]一種面部識別方法、系統及相關裝置

在審

• 申請號: 202010310131.5
• 申請日: 2020-04-20
• 公開（公告）號: CN111209901A
• 公開（公告）日: 2020-05-29
• 發明（設計）人: 譚明奎;謝政;劉璟;吳希賢
• 申請（專利權）人: 湖南極點智能科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/20;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 高勇

1.一種面部識別方法，其特征在于，包括：

獲取可見光圖像數據集；

根據所述可見光圖像數據集訓練得到可見光人臉識別模型；

對所述可見光人臉識別模型剪枝得到剪枝模型；

對所述剪枝模型進行遷移學習訓練和模擬量化訓練，得到近紅外模型；

利用所述近紅外模型提取待識別圖像得到面部特征。

2.根據權利要求1所述的面部識別方法，其特征在于，對所述可見光人臉識別模型剪枝得到剪枝模型包括：

根據所述可見光人臉識別模型確定對應的深度神經網絡模型和模型參數；

確定所述深度神經網絡模型各個通道的通道選擇向量；

利用預設目標損失函數對各所述通道選擇向量和所述模型參數進行優化，將優化后通道選擇向量的向量元素為0的通道作為冗余通道；

剪除所述冗余通道，得到剪枝模型。

3.根據權利要求1所述的面部識別方法，其特征在于，對所述剪枝模型進行遷移學習訓練和模擬量化訓練，得到近紅外模型包括：

提取所述剪枝模型的激活量尺度文件；

根據預設函數模型分別確定可見光和近紅外數據集各自對應的目標函數；

載入所述激活量尺度文件，利用兩個目標函數對所述剪枝模型的模型權重訓練，并在訓練時減少可見光對所述模型權重的影響因子，提高近紅外對所述模型權重的影響因子；

當可見光對所述模型權重的影響因子降至0時，得到近紅外模型。

4.根據權利要求3所述的面部識別方法，其特征在于，提取所述剪枝模型的激活量尺度文件包括：

根據所述剪枝模型的激活值量化目標值分布與激活值分布的相似度提取所述剪枝模型的激活量尺度文件。

5.一種面部識別系統，其特征在于，包括：

獲取模塊，用于獲取可見光圖像數據集；

第一訓練模塊，用于根據所述可見光圖像數據集訓練得到可見光人臉識別模型；

剪枝模塊，用于對所述可見光人臉識別模型剪枝得到剪枝模型；

第二訓練模塊，用于對所述剪枝模型進行遷移學習訓練和模擬量化訓練，得到近紅外模型；

特征提取模塊，用于利用所述近紅外模型提取待識別圖像得到面部特征。

6.根據權利要求5所述的面部識別系統，其特征在于，所述剪枝模塊包括：

第一確定單元，用于根據所述可見光人臉識別模型確定對應的深度神經網絡模型和模型參數；

第二確定單元，用于確定所述深度神經網絡模型各個通道的通道選擇向量；

優化單元，用于利用預設目標損失函數對各所述通道選擇向量和所述模型參數進行優化，將優化后通道選擇向量的向量元素為0的通道作為冗余通道；

剪枝單元，用于剪除所述冗余通道，得到剪枝模型。

7.根據權利要求5所述的面部識別系統，其特征在于，所述第二訓練模塊包括：

提取單元，用于提取所述剪枝模型的激活量尺度文件；

目標函數確定單元，用于根據預設函數模型分別確定可見光和近紅外數據集各自對應的目標函數；

調節單元，用于載入所述激活量尺度文件，利用兩個目標函數對所述剪枝模型的模型權重訓練，并在訓練時減少可見光對所述模型權重的影響因子，提高近紅外對所述模型權重的影響因子；

模型生成單元，用于當可見光對所述模型權重的影響因子降至0時，得到近紅外模型。

8.根據權利要求7所述的面部識別系統，其特征在于，所述提取單元為用于根據所述剪枝模型的激活值量化目標值分布與激活值分布的相似度提取所述剪枝模型的激活量尺度文件的單元。

9.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1-4任一項所述的面部識別方法的步驟。

10.一種面部識別設備，其特征在于，包括存儲器和處理器，所述存儲器中存有計算機程序，所述處理器調用所述存儲器中的計算機程序時實現如權利要求1-4任一項所述的面部識別方法的步驟。