[發明專利]人臉識別方法、裝置及存儲介質

在審

• 申請號: 202010675718.6
• 申請日: 2020-07-14
• 公開（公告）號: CN111783725A
• 公開（公告）日: 2020-10-16
• 發明（設計）人: 李翔;汪凡;李偉;車志宏;何偉
• 申請（專利權）人: 珠海市卓軒科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 葉琦煒

1.一種人臉識別方法，其特征在于，包括：

人臉提取裁剪步驟，對人臉照片進行特征識別，獲得面部識別區域及面部關鍵特征點的坐標，以及，基于預設裁剪規則，根據所述面部關鍵特征點的坐標確定截剪邊界，獲得裁剪圖片，其中所述裁剪圖片包括所述面部識別區域及圍繞所述面部識別區域的邊緣區域；

識別模型訓練步驟，獲取所述裁剪圖片對應的身份標識信息，并基于深度卷積神經網絡，通過所述裁剪圖片及所述身份標識信息對人臉識別模型進行訓練，獲得人臉識別特征向量；

人臉識別步驟，獲取包括人臉信息的待識別圖片，根據所述人臉識別模型得出待識別特征向量，比對所述待識別特征向量及所述人臉識別特征向量，得到相應的所述身份標識信息。

2.根據權利要求1所述的人臉識別方法，其特征在于，所述人臉提取裁剪步驟包括：

關鍵特征提取步驟，根據所述人臉照片構建多個候選框，對所述候選框進行過濾，篩選出存在人臉區域的所述候選框，得到面部識別區域，并獲得所述面部關鍵特征點的坐標；

圖片裁剪步驟，根據所述面部關鍵特征點的坐標，按預設裁剪規則對所述人臉照片進行裁剪，其中所述預設裁剪規則中包括所述裁剪圖片的大小及所述裁剪圖片中的所述面部識別區域與裁剪邊界的距離。

3.根據權利要求2所述的人臉識別方法，其特征在于，所述關鍵特征提取步驟包括：

將所述人臉照片進行多尺度變化，構建圖像金字塔，在所述圖像金字塔中構建多個所述候選框；

基于邊框回歸及面部定位器，通過多個級聯卷積神經網絡，對所述候選框逐級過濾，確定出所述面部識別區域，確定所述面部關鍵特征點的坐標。

4.根據權利要求2所述的人臉識別方法，其特征在于，所述裁剪圖片的分辨率大小為112×112，其中所述面部識別區域與裁剪邊界的距離為16。

5.根據權利要求1所述的人臉識別方法，其特征在于，所述識別模型訓練步驟包括：將所述人臉裁剪圖片及所述身份標識信息作為輸入數據，通過基于Arcface損失函數，基于100層的卷積神經網絡ResNet對所述識別模型進行訓練。

6.根據權利要求1所述的人臉識別方法，其特征在于，所述人臉識別步驟包括：

獲取包括人臉信息的待識別圖片，根據所述人臉提取裁剪步驟中的方法，獲得待識別截剪圖片；

基于所述人臉識別模型，通過所述待識別截剪圖片得出所述待識別特征向量；

根據所述待識別特征向量及所述人臉識別特征向量的相似度，得出與所述待識別特征向量匹配的所述人臉識別特征向量相應的身份標識。

7.根據權利要求1所述的人臉識別方法，其特征在于，所述人臉識別特征向量為512維。

8.根據權利要求1所述的人臉識別方法，其特征在于，所述人臉照片包括MS-Celeb-1M人臉數據集中的照片。

9.一種人臉識別裝置，使用權利要求1至8中任一項的方法，其特征在于，包括：

裁剪規化模塊，用于對人臉照片進行特征識別，獲得面部關鍵特征點的坐標，以及，基于預設裁剪規則，根據所述面部關鍵特征點的坐標確定截剪邊界，獲得裁剪圖片，其中所述裁剪圖片包括所述面部識別區域及圍繞所述面部識別區域的邊緣區域；

模型訓練模塊，用于獲取所述裁剪圖片對應的身份標識信息，并基于深度卷積神經網絡，通過所述裁剪圖片及所述身份標識信息對人臉識別模型進行訓練，獲得人臉識別特征向量；

人臉識別模塊，用于獲取包括人臉信息的待識別圖片，根據所述人臉識別模型得出待識別特征向量，比對所述待識別特征向量及所述人臉識別特征向量，得到相應的所述身份標識信息。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現權利要求1至8中任一項的方法。