[發明專利]一種基于AR眼鏡的人臉識別方法和系統

在審

• 申請號: 202010628541.4
• 申請日: 2020-07-02
• 公開（公告）號: CN111783674A
• 公開（公告）日: 2020-10-16
• 發明（設計）人: 高志鵬;李國慶;孫偉鵬;尤俊生;趙建強;張輝極
• 申請（專利權）人: 廈門市美亞柏科信息股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08;G02B27/01
• 代理公司: 廈門福貝知識產權代理事務所(普通合伙) 35235
• 代理人: 陳遠洋

1.一種基于AR眼鏡的人臉識別方法，其特征在于，包括：

S1：在所述AR眼鏡上部署第一人臉特征庫以及用于人臉識別的第一壓縮神經網絡模型，并利用所述AR眼鏡上的圖像采集終端實時抓拍人臉圖像；

S2：響應于所述AR眼鏡未接入網絡，利用所述第一壓縮神經網絡模型進行所述人臉圖像的人臉識別；

S3：響應于所述AR眼鏡與移動終端建立聯系，將所述人臉圖像傳輸至移動終端，并利用所述移動終端上部署的第二壓縮神經網絡模型進行所述人臉圖像的人臉識別；

S4：響應于所述AR眼鏡接入網絡，將所述人臉圖像傳輸至后臺服務器，并利用所述后臺服務器上部署的深度學習的神經網絡模型進行所述人臉圖像的人臉識別；以及

S5：在所述AR眼鏡上示出所述人臉識別的匹配結果。

2.根據權利要求1所述的基于AR眼鏡的人臉識別方法，其特征在于，利用蒸餾、剪枝和量化的壓縮方式將所述第一壓縮神經網絡模型和所述第二壓縮神經網絡模型分別部署于所述AR眼鏡和所述移動終端上。

3.根據權利要求2所述的基于AR眼鏡的人臉識別方法，其特征在于，所述第一壓縮神經網絡模型和所述第二壓縮神經網絡模型中的蒸餾的方式具體為在訓練階段采用教師網絡和學生網絡一同訓練的方式。

4.根據權利要求2所述的基于AR眼鏡的人臉識別方法，其特征在于，所述第一壓縮神經網絡模型和所述第二壓縮神經網絡模型中的剪枝和量化的方式具體采用通道剪枝和int8量化進行神經網絡模型的壓縮。

5.根據權利要求2-4中任一項所述的基于AR眼鏡的人臉識別方法，其特征在于，所述第二壓縮神經網絡模型的規模大于所述第一壓縮神經網絡模型的規模。

6.根據權利要求1所述的基于AR眼鏡的人臉識別方法，其特征在于，所述移動終端和所述后臺服務器上分別部署第二人臉特征庫和第三人臉特征庫，且所述第一人臉特征庫、所述第二人臉特征庫和所述第三人臉特征庫的數據量依次遞增。

7.根據權利要求1所述的基于AR眼鏡的人臉識別方法，其特征在于，所述移動終端包括手機、平板和筆記本電腦，所述AR眼鏡為基于Android或ios的智能眼鏡。

8.根據權利要求1所述的基于AR眼鏡的人臉識別方法，其特征在于，所述人臉識別依次包括對所述人臉圖像進行人臉檢測對齊、人臉質量判斷、人臉特征提取和與特征庫的人臉比對。

9.根據權利要求1所述的基于AR眼鏡的人臉識別方法，其特征在于，所述步驟S2、步驟S3、步驟S4依據所述AR眼鏡所處的網絡環境自動切換。

10.一種計算機可讀存儲介質，其上存儲有一或多個計算機程序，其特征在于，該一或多個計算機程序被計算機處理器執行時實施權利要求1至9中任一項所述的方法。

11.一種基于AR眼鏡的人臉識別系統，其特征在于，所述人臉識別系統包括：

AR眼鏡：其上部署有第一人臉特征庫以及用于人臉識別的第一壓縮神經網絡模型，并配置有用于實時抓拍人臉圖像的圖像采集終端，利用所述壓縮神經網絡模型進行所述人臉圖像的人臉識別，并在所述AR眼鏡上示出所述人臉識別的匹配結果；

移動終端：配置用于響應于所述AR眼鏡與移動終端建立聯系，接收所述AR眼鏡傳輸的所述人臉圖像，并利用所述移動終端上部署的第二壓縮神經網絡模型進行所述人臉圖像的人臉識別；

后臺服務器：配置用于響應于所述AR眼鏡接入網絡，接收所述AR眼鏡傳輸的所述人臉圖像，并利用所述后臺服務器上部署的深度學習的神經網絡模型進行所述人臉圖像的人臉識別。

12.根據權利要求11所述的基于AR眼鏡的人臉識別系統，其特征在于，所述AR眼鏡包括離線檢測、與所述移動終端聯機以及與所述后臺服務器聯網三種人臉識別模式。