[發(fā)明專(zhuān)利]人臉識(shí)別方法、裝置及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010675718.6
• 申請(qǐng)日: 2020-07-14
• 公開(kāi)（公告）號(hào): CN111783725A
• 公開(kāi)（公告）日: 2020-10-16
• 發(fā)明（設(shè)計(jì)）人: 李翔;汪凡;李偉;車(chē)志宏;何偉
• 申請(qǐng)（專(zhuān)利權(quán)）人: 珠海市卓軒科技有限公司
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06N3/04
• 代理公司: 廣州嘉權(quán)專(zhuān)利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 葉琦煒

本發(fā)明公開(kāi)了一種人臉識(shí)別方法、裝置及存儲(chǔ)介質(zhì)，該方法包括：人臉提取裁剪步驟，對(duì)人臉照片進(jìn)行特征識(shí)別，基于預(yù)設(shè)裁剪規(guī)則，根據(jù)面部關(guān)鍵特征點(diǎn)的坐標(biāo)確定截剪邊界，獲得包括面部識(shí)別區(qū)域及圍繞所述面部識(shí)別區(qū)域的邊緣區(qū)域的裁剪圖片；識(shí)別模型訓(xùn)練步驟，獲取所述裁剪圖片對(duì)應(yīng)的身份標(biāo)識(shí)信息，并基于深度卷積神經(jīng)網(wǎng)絡(luò)，通過(guò)所述裁剪圖片及所述身份標(biāo)識(shí)信息對(duì)人臉識(shí)別模型進(jìn)行訓(xùn)練，獲得人臉識(shí)別特征向量；人臉識(shí)別步驟，獲取包括人臉信息的待識(shí)別圖片，根據(jù)所述人臉識(shí)別模型得出待識(shí)別特征向量，比對(duì)所述待識(shí)別特征向量及所述人臉識(shí)別特征向量，得到相應(yīng)的所述身份標(biāo)識(shí)信息。本發(fā)明可防止邊緣可識(shí)別信息丟失，提高識(shí)別準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像識(shí)別技術(shù)領(lǐng)域，特別涉及一種人臉識(shí)別方法、裝置及存儲(chǔ)介質(zhì)。

背景技術(shù)

人臉識(shí)別，是基于人的臉部特征信息進(jìn)行身份識(shí)別的一種生物識(shí)別技術(shù)。隨著其技術(shù)的成熟和社會(huì)認(rèn)同度的提高，人臉識(shí)別被應(yīng)用在很多領(lǐng)域，例如，人臉識(shí)別門(mén)禁考勤系統(tǒng)，人臉識(shí)別防盜門(mén)，人臉識(shí)別手機(jī)解鎖，人臉識(shí)別來(lái)運(yùn)行的機(jī)器人等。人臉識(shí)別的基本系統(tǒng)是采用攝像機(jī)或攝像頭采集含有人臉的圖像或視頻，錄入資料庫(kù)，實(shí)際使用時(shí)，通過(guò)相機(jī)拍攝使用者的照片并與資料庫(kù)中的照片進(jìn)行對(duì)比，從而判斷是否目標(biāo)用戶(hù)。

在人臉識(shí)別技術(shù)的應(yīng)用中，受人臉區(qū)域的光照、遮擋、尺度或移動(dòng)等因素影響，人臉識(shí)別算法的準(zhǔn)確性達(dá)不到預(yù)想效果。

發(fā)明內(nèi)容

本發(fā)明旨在至少解決現(xiàn)有技術(shù)中存在的技術(shù)問(wèn)題之一。為此，本發(fā)明提出一種人臉識(shí)別方法，能夠提高人臉識(shí)別的準(zhǔn)確性。

本發(fā)明還提出一種具有上述人臉識(shí)別方法的人臉識(shí)別裝置。

本發(fā)明還提出一種具有上述人臉識(shí)別方法的存儲(chǔ)介質(zhì)。

根據(jù)本發(fā)明的第一方面實(shí)施例的人臉識(shí)別方法，包括：人臉提取裁剪步驟，對(duì)人臉照片進(jìn)行特征識(shí)別，獲得面部關(guān)鍵特征點(diǎn)的坐標(biāo)，以及，基于預(yù)設(shè)裁剪規(guī)則，根據(jù)所述面部關(guān)鍵特征點(diǎn)的坐標(biāo)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(shí)別區(qū)域及圍繞所述面部識(shí)別區(qū)域的邊緣區(qū)域；識(shí)別模型訓(xùn)練步驟，獲取所述裁剪圖片對(duì)應(yīng)的身份標(biāo)識(shí)信息，并基于深度卷積神經(jīng)網(wǎng)絡(luò)，通過(guò)所述裁剪圖片及所述身份標(biāo)識(shí)信息對(duì)人臉識(shí)別模型進(jìn)行訓(xùn)練，獲得人臉識(shí)別特征向量；人臉識(shí)別步驟，獲取包括人臉信息的待識(shí)別圖片，根據(jù)所述人臉識(shí)別模型得出待識(shí)別特征向量，比對(duì)所述待識(shí)別特征向量及所述人臉識(shí)別特征向量，得到相應(yīng)的所述身份標(biāo)識(shí)信息。

根據(jù)本發(fā)明實(shí)施例的人臉識(shí)別方法，至少具有如下有益效果：通過(guò)按預(yù)設(shè)規(guī)則對(duì)原始圖片進(jìn)行裁剪規(guī)化，獲取面部識(shí)別區(qū)域的同時(shí)附加邊緣區(qū)域，可防止邊緣可識(shí)別信息丟失，提高識(shí)別準(zhǔn)確性；并可根據(jù)預(yù)設(shè)裁剪規(guī)則可統(tǒng)一識(shí)別訓(xùn)練用圖片的規(guī)格，加快迭代速度，進(jìn)一步提高識(shí)別精度。

根據(jù)本發(fā)明的一些實(shí)施例，所述人臉提取裁剪步驟包括：關(guān)鍵特征提取步驟，根據(jù)所述人臉照片構(gòu)建多個(gè)候選框，對(duì)所述候選框進(jìn)行過(guò)濾，篩選出存在人臉區(qū)域的所述候選框，生成面部識(shí)別區(qū)域，獲得所述面部關(guān)鍵特征點(diǎn)的坐標(biāo)；圖片裁剪步驟，根據(jù)所述面部關(guān)鍵特征點(diǎn)的坐標(biāo)，按預(yù)設(shè)裁剪規(guī)則對(duì)所述人臉照片進(jìn)行裁剪，其中所述預(yù)設(shè)裁剪規(guī)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(shí)別區(qū)域與裁剪邊界的距離。

根據(jù)本發(fā)明的一些實(shí)施例，所述關(guān)鍵特征提取步驟包括：將所述人臉照片進(jìn)行多尺度變化，構(gòu)建圖像金字塔，在所述圖像金字塔中構(gòu)建多個(gè)所述候選框；基于邊框回歸及面部定位器，通過(guò)多個(gè)級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)，對(duì)所述候選框逐級(jí)過(guò)濾，確定出所述面部識(shí)別區(qū)域，確定所述面部關(guān)鍵特征點(diǎn)的坐標(biāo)。

根據(jù)本發(fā)明的一些實(shí)施例，所述裁剪圖片的分辨率大小為112×112，其中所述面部識(shí)別區(qū)域與裁剪邊界的距離為16。

根據(jù)本發(fā)明的一些實(shí)施例，所述識(shí)別模型訓(xùn)練步驟包括：將所述人臉裁剪圖片及所述身份標(biāo)識(shí)信息作為輸入數(shù)據(jù)，通過(guò)基于Arcface損失函數(shù)，基于100層的卷積神經(jīng)網(wǎng)絡(luò)ResNet對(duì)所述識(shí)別模型進(jìn)行訓(xùn)練。