[發明專利]基于人工智能的車內人臉識別方法、裝置、設備及介質

有效

• 申請號: 202010593969.X
• 申請日: 2020-06-28
• 公開（公告）號: CN111476225B
• 公開（公告）日: 2020-10-02
• 發明（設計）人: 吳曉東
• 申請（專利權）人: 平安國際智慧城市科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市賽恩倍吉知識產權代理有限公司 44334
• 代理人: 劉麗華;孫芬

1.一種基于人工智能的車內人臉識別方法，其特征在于，所述基于人工智能的車內人臉識別方法包括：

響應于接收到的待識別圖像，對所述待識別圖像進行resize處理，得到目標圖像；

將所述目標圖像輸入至卷積池化層進行特征提取，輸出所述目標圖像的淺層特征；

將所述淺層特征輸入至殘差連接層進行特征提取，輸出所述目標圖像的深層特征；

將所述深層特征輸入至通道注意力層進行重要度篩選，輸出第一特征圖；

將所述第一特征圖輸入至第一卷積層進行卷積運算，輸出第二特征圖；

將所述第二特征圖輸入至第二卷積層進行卷積運算，輸出第三特征圖；

獲取預先聚類得到的anchor box，根據尺度將獲取的anchor box與所述第一特征圖、所述第二特征圖及所述第三特征圖進行匹配，得到每個特征圖的anchor box；

對每個特征圖的anchor box進行增密擴展，得到每個特征圖的初始anchor box；

利用anchor_attention層對每個特征圖的初始anchor box進行重要度篩選，得到每個特征圖的目標anchor box；

利用每個特征圖的目標anchor box分別在對應的特征圖上進行人臉識別，輸出與每個特征圖對應的anchor box坐標及每個anchor box坐標的得分，將得分最高的anchor box坐標作為預測的人臉坐標；

將所述預測的人臉坐標映射到所述待識別圖像上，得到所述待識別圖像的人臉識別結果并存儲至區塊鏈。

2.如權利要求1所述的基于人工智能的車內人臉識別方法，其特征在于，所述將所述淺層特征輸入至殘差連接層進行特征提取，輸出所述目標圖像的深層特征包括：

對所述淺層特征進行卷積運算及池化運算，輸出至少一個運算結果；

對所述至少一個運算結果進行拼接，輸出所述目標圖像的深層特征。

3.如權利要求1所述的基于人工智能的車內人臉識別方法，其特征在于，所述將所述深層特征輸入至通道注意力層進行重要度篩選，輸出第一特征圖包括：

將所述深層特征輸入至全局最大池化層進行壓縮，輸出所述深層特征的第一壓縮特征；

將所述第一壓縮特征輸入至低維全連接層進行壓縮，輸出第二壓縮特征；

將所述第二壓縮特征輸入至原始高維全連接層進行還原，輸出attention向量；

將所述attention向量與所述深層特征進行點乘，輸出所述第一特征圖。

4.如權利要求1所述的基于人工智能的車內人臉識別方法，其特征在于，在獲取預先聚類得到的anchor box前，所述基于人工智能的車內人臉識別方法還包括：

獲取樣本數據；

從所述樣本數據中隨機獲取指定數量的點作為初始樣點；

采用K-means算法對所述樣本數據進行聚類，得到所述指定數量的簇；

計算每個簇的中心點坐標作為所述預先聚類得到的anchor box。

5.如權利要求3所述的基于人工智能的車內人臉識別方法，其特征在于，所述利用anchor_attention層對每個特征圖的初始anchor box進行重要度篩選，得到每個特征圖的目標anchor box包括：

基于attention機制計算每個特征圖的初始anchor box的分值；

對每個特征圖的初始anchor box的分值按照由高到低進行排序；

獲取分值排在前預設位的初始anchor box作為每個特征圖的目標anchor box。

6.如權利要求1所述的基于人工智能的車內人臉識別方法，其特征在于，所述將所述預測的人臉坐標映射到所述待識別圖像上，得到所述待識別圖像的人臉識別結果包括：

確定偏移量；

根據所述偏移量轉換所述人臉坐標，得到轉換坐標；

確定所述待識別圖像的第一尺度，及確定所述人臉坐標對應的特征圖的第二尺度；

計算所述第一尺度與所述第二尺度的商作為系數；

將所述系數與所述人臉坐標相乘，得到所述人臉坐標在所述待識別圖像上的對應位置，得到所述人臉識別結果。