[發明專利]人臉識別方法、裝置、電子設備和介質

在審

• 申請號: 202010549072.7
• 申請日: 2020-06-16
• 公開（公告）號: CN111898412A
• 公開（公告）日: 2020-11-06
• 發明（設計）人: 高亞南
• 申請（專利權）人: 深圳市雄帝科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種人臉識別方法，其特征在于，所述方法包括：

獲取深度可分離卷積網絡結構和樣本人臉圖像，基于所述樣本人臉圖像訓練所述深度可分離卷積網絡結構，獲得訓練好的目標網絡模型，所述樣本人臉圖像包括多個用戶的人臉圖像，其中每個用戶的人臉圖像包括至少五個基本人臉圖像和/或由所述基本人臉圖像經過預處理操作獲得的人臉擴展圖像；

獲取待處理人臉圖像，對所述待處理人臉圖像進行所述預處理操作，獲得符合預設參數的待識別人臉圖像；

將所述待識別人臉圖像輸入所述目標網絡模型進行人臉識別處理，獲得人臉識別判定結果。

2.根據權利要求1所述的人臉識別方法，其特征在于，所述深度可分離卷積網絡結構包括：

兩個普通卷積層、三個深度可分離卷積層、四個殘差塊、一個全局深度可分離卷積層和一個線性卷積層。

3.根據權利要求2所述的人臉識別方法，其特征在于，所述深度可分離卷積網絡結構具體包括十一個卷積模塊，其中：

第一個卷積模塊為一個3×3的所述普通卷積層；

第三個、第五個、第七個卷積模塊分別為一個3×3的所述深度可分離卷積卷積層；

第二個、第四個、第六個和第八個卷積模塊分別為一個所述殘差塊；

第九個卷積模塊為一個1×1的所述普通卷積層；

第十個卷積模塊為一個7×7的所述全局深度可分離卷積層；

第十一個卷積模塊為一個1×1的所述線性卷積層。

4.根據權利要求3所述的人臉識別方法，其特征在于，所述第二個卷積模塊的殘差塊包括4個殘差單元，所述第四個卷積模塊的殘差塊包括8個殘差單元，所述第六個卷積模塊的殘差塊包括16個殘差單元，所述第八個卷積模塊的殘差塊包括5個殘差單元。

5.根據權利要求1-4任一項所述的人臉識別方法，其特征在于，所述將所述待識別人臉圖像輸入所述目標網絡模型進行人臉識別處理，獲得人臉識別判定結果包括：

將所述待識別人臉圖像輸入所述目標網絡模型，獲得所述目標網絡模型的所述線性卷積層輸出的目標人臉特征向量；

基于所述目標人臉特征向量與模板人臉特征向量進行相似度度量，獲得所述人臉識別判定結果。

6.根據權利要求5所述的人臉識別方法，其特征在于，所述基于所述目標人臉特征向量與模板人臉特征向量進行相似度度量，獲得所述人臉識別判定結果，包括：

獲取所述目標人臉特征向量和所述模板人臉特征向量的相似度；

在所述相似度大于或等于預設的特征相似度閾值的情況下，確定所述待識別人臉圖像識別成功；在所述相似度小于所述預設的特征相似度閾值的情況下，確定所述待識別人臉圖像識別失敗。

7.根據權利要求2-4任一項所述的人臉識別方法，其特征在于，所述深度可分離卷積卷積層采用分組歸一化層；

所述深度可分離卷積卷積層包括兩個1×1卷積層和一個3×3卷積層。

8.根據權利要求1-4任一項所述的人臉識別方法，其特征在于，所述預處理操作包括：

對角拉伸、橫向拉伸、縱向拉升、水平旋轉、變化亮度、加入椒鹽噪音、加入高斯噪音中的任意一種或幾種。

9.一種人臉識別裝置，其特征在于，包括：

訓練模塊，用于獲取深度可分離卷積網絡結構和樣本人臉圖像，基于所述樣本人臉圖像訓練所述深度可分離卷積網絡結構，獲得訓練好的目標網絡模型，所述樣本人臉圖像包括多個用戶的人臉圖像，其中每個用戶的人臉圖像包括至少五個基本人臉圖像和/或由所述基本人臉圖像經過預處理操作獲得的人臉擴展圖像；

預處理模塊，用于獲取待處理人臉圖像，對所述待處理人臉圖像進行預處理操作，獲得符合預設參數的待識別人臉圖像；

識別模塊，用于將所述待識別人臉圖像輸入所述目標網絡模型進行人臉識別處理，獲得人臉識別判定結果。