[發(fā)明專利]一種面部識(shí)別方法、系統(tǒng)及相關(guān)裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202010310131.5
• 申請(qǐng)日: 2020-04-20
• 公開（公告）號(hào): CN111209901A
• 公開（公告）日: 2020-05-29
• 發(fā)明（設(shè)計(jì)）人: 譚明奎;謝政;劉璟;吳希賢
• 申請(qǐng)（專利權(quán)）人: 湖南極點(diǎn)智能科技有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/20;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 高勇

本申請(qǐng)?zhí)峁┮环N面部識(shí)別方法，包括：獲取可見光圖像數(shù)據(jù)集；根據(jù)所述可見光圖像數(shù)據(jù)集訓(xùn)練得到可見光人臉識(shí)別模型；對(duì)所述可見光人臉識(shí)別模型剪枝得到剪枝模型；對(duì)所述剪枝模型進(jìn)行遷移學(xué)習(xí)訓(xùn)練和模擬量化訓(xùn)練，得到近紅外模型；利用所述近紅外模型提取待識(shí)別圖像得到面部特征。本申請(qǐng)利用遷移學(xué)習(xí)的方法移植可見光識(shí)別模型針對(duì)近紅外圖像進(jìn)行人臉識(shí)別，解決了可見光在暗光和強(qiáng)光下無法進(jìn)行人臉識(shí)別的問題，能夠在暗光或者強(qiáng)光下依舊進(jìn)行有效的人臉識(shí)別。本申請(qǐng)還提供一種面部識(shí)別系統(tǒng)、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)和面部識(shí)別設(shè)備，具有上述有益效果。

技術(shù)領(lǐng)域

本申請(qǐng)涉及圖像處理領(lǐng)域，特別涉及一種面部識(shí)別方法、系統(tǒng)及相關(guān)裝置。

背景技術(shù)

近年來，人臉識(shí)別已經(jīng)廣泛的應(yīng)用于安防、門禁、支付等領(lǐng)域，為了保證使用的安全性和可靠性，必須保證人臉識(shí)別的準(zhǔn)確率和穩(wěn)定性。目前基于可見光圖像(指相機(jī)在太陽光照下的成像)所進(jìn)行的人臉識(shí)別方法已經(jīng)非常成熟并且應(yīng)用在生活的各個(gè)場(chǎng)所，但是在無太陽光下，這種方法便無法進(jìn)行人臉識(shí)別。因此如何實(shí)現(xiàn)在無光或者弱光的情況進(jìn)行人臉識(shí)別是本領(lǐng)域技術(shù)人員繼續(xù)解決的技術(shù)問題。

發(fā)明內(nèi)容

本申請(qǐng)的目的是提供一種面部識(shí)別方法、系統(tǒng)、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)和面部識(shí)別設(shè)備，能夠在無光或者弱光的情況進(jìn)行人臉識(shí)別。

為解決上述技術(shù)問題，本申請(qǐng)?zhí)峁┮环N面部識(shí)別方法，具體技術(shù)方案如下：

獲取可見光圖像數(shù)據(jù)集；

根據(jù)所述可見光圖像數(shù)據(jù)集訓(xùn)練得到可見光人臉識(shí)別模型；

對(duì)所述可見光人臉識(shí)別模型剪枝得到剪枝模型；

對(duì)所述剪枝模型進(jìn)行遷移學(xué)習(xí)訓(xùn)練和模擬量化訓(xùn)練，得到近紅外模型；

利用所述近紅外模型提取待識(shí)別圖像得到面部特征。

其中，對(duì)所述可見光人臉識(shí)別模型剪枝得到剪枝模型包括：

根據(jù)所述可見光人臉識(shí)別模型確定對(duì)應(yīng)的深度神經(jīng)網(wǎng)絡(luò)模型和模型參數(shù)；

確定所述深度神經(jīng)網(wǎng)絡(luò)模型各個(gè)通道的通道選擇向量；

利用預(yù)設(shè)目標(biāo)損失函數(shù)對(duì)各所述通道選擇向量和所述模型參數(shù)進(jìn)行優(yōu)化，將優(yōu)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。

其中，對(duì)所述剪枝模型進(jìn)行遷移學(xué)習(xí)訓(xùn)練和模擬量化訓(xùn)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(jù)預(yù)設(shè)函數(shù)模型分別確定可見光和近紅外數(shù)據(jù)集各自對(duì)應(yīng)的目標(biāo)函數(shù)；

載入所述激活量尺度文件，利用兩個(gè)目標(biāo)函數(shù)對(duì)所述剪枝模型的模型權(quán)重訓(xùn)練，并在訓(xùn)練時(shí)減少可見光對(duì)所述模型權(quán)重的影響因子，提高近紅外對(duì)所述模型權(quán)重的影響因子；

當(dāng)可見光對(duì)所述模型權(quán)重的影響因子降至0時(shí)，得到近紅外模型。

其中，提取所述剪枝模型的激活量尺度文件包括：

根據(jù)所述剪枝模型的激活值量化目標(biāo)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。

本申請(qǐng)還提供一種面部識(shí)別系統(tǒng)，包括：

獲取模塊，用于獲取可見光圖像數(shù)據(jù)集；

第一訓(xùn)練模塊，用于根據(jù)所述可見光圖像數(shù)據(jù)集訓(xùn)練得到可見光人臉識(shí)別模型；

剪枝模塊，用于對(duì)所述可見光人臉識(shí)別模型剪枝得到剪枝模型；

第二訓(xùn)練模塊，用于對(duì)所述剪枝模型進(jìn)行遷移學(xué)習(xí)訓(xùn)練和模擬量化訓(xùn)練，得到近紅外模型；