[發(fā)明專利]人臉識別方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202010854368.X
• 申請日: 2020-08-24
• 公開（公告）號: CN111814760B
• 公開（公告）日: 2021-06-01
• 發(fā)明（設(shè)計）人: 夏東;黎佳志
• 申請（專利權(quán)）人: 湖南視覺偉業(yè)智能科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 長沙朕揚知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 43213
• 代理人: 鄧宇

本發(fā)明公開了一種人臉識別方法及系統(tǒng)，通過獲取待識別的人臉圖像和多個已知身份的對比人臉圖像；采用分布式計算框架對所述對比人臉圖像進行特征分類，并計算/更新每個類別的對比人臉特征的類中心樣本特征；從所述人臉圖像中抽取人臉特征，并將所述人臉特征與多個不同類別的類中心樣本特征進行相似度匹配，并根據(jù)相似度匹配的結(jié)果判斷所述人臉的身份，采用分布式計算框架對人臉類中心特征的計算和更新，能夠提升系統(tǒng)對大規(guī)模人臉特征類中心計算的能力，進而更加快速的識別人臉。

技術(shù)領(lǐng)域

本發(fā)明涉及人臉識別領(lǐng)域，尤其涉及人臉識別方法及系統(tǒng)。

背景技術(shù)

近年來，隨著人工智能的發(fā)展，人臉識別精度的大幅提升，使得該技術(shù)在社會生活領(lǐng)域得到廣泛應(yīng)用，包括人臉識別門禁、人臉支付、人臉考勤、身份認證。深度學(xué)習(xí)技術(shù)是當(dāng)前實現(xiàn)高精度人臉識別的一個重要手段，通過設(shè)計更優(yōu)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)以及更優(yōu)的損失函數(shù)，可以獲得高精度的人臉識別模型。GPU性能的提升以及大規(guī)模開放人臉數(shù)據(jù)集的出現(xiàn)，也為高精度人臉?biāo)惴Ｐ偷挠?xùn)練提供強了有力的支撐。

無約束條件下的人臉識別依然存在一些難題，如大姿態(tài)識別、跨年齡段識別、異質(zhì)人臉識別等等，特別是受現(xiàn)場復(fù)雜的光照環(huán)境影響，可能導(dǎo)致識別率下降。

發(fā)明內(nèi)容

本發(fā)明提供了人臉識別方法及系統(tǒng)，用以解決現(xiàn)有的人臉識別方法的技術(shù)問題。

為解決上述技術(shù)問題，本發(fā)明提出的技術(shù)方案為：

一種人臉識別方法，包括以下步驟：

獲取待識別的人臉圖像和多個已知身份的對比人臉圖像；

采用分布式計算框架對所述對比人臉圖像進行特征分類，并計算/更新每個類別的對比人臉特征的類中心樣本特征；

從所述人臉圖像中抽取人臉特征，并將所述人臉特征與多個不同類別的類中心樣本特征進行相似度匹配，并根據(jù)相似度匹配的結(jié)果判斷所述人臉的身份。

優(yōu)選的，將所述人臉特征與多個不同類別的類中心樣本特征進行相似度匹配是通過人臉識別模塊實現(xiàn)的，所述人臉識別模塊是將EfficientNet（Google 公司在2019年在ICML公開的開源神經(jīng)網(wǎng)絡(luò)模型）網(wǎng)絡(luò)模型的最后一層用一個全連接層替換得到。

優(yōu)選的，所述人臉識別模塊包括：依次連接的第一深度分類卷積層、第二深度分離卷積層、第三深度分離卷積層、第四深度分離卷積層、第五深度分離卷積層、第六深度分離卷積層、第七深度分離卷積層以及全連接層。

優(yōu)選的，將當(dāng)前抽取的人臉特征與底庫中的多個不同類別的類中心樣本特征進行相似度比對，并根據(jù)相似度比對的結(jié)果判斷所述人臉的身份，具體包括以下步驟：

計算從待識別的人臉圖像抽取的人臉特征與不同類別的類中心樣本特征之間的余弦距離，并判斷所述余弦距離是否大于預(yù)設(shè)的閾值，若所述余弦距離大于預(yù)設(shè)的閾值，判斷所述余弦距離對應(yīng)的類中心樣本特征對應(yīng)的身份為待識別的人臉圖像的身份。

優(yōu)選的，所述類中心樣本特征通過以下公式計算得到：

，其中，M代表某一分類的類中心樣本特征向量，為某一分類的第個特征向量值，n為當(dāng)前分類下的特征向量總數(shù)。

優(yōu)選的，所述類中心樣本特征通過Hadoop（海杜普，是一個由Apache基金會所開發(fā)的分布式系統(tǒng)基礎(chǔ)架構(gòu)）中的MapReduce（MapReduce是由Google公司研究提出的一種面向大規(guī)模數(shù)據(jù)處理的并行計算模型和方法）框架分布式并行計算得到。

優(yōu)選的，將所述人臉特征通過預(yù)設(shè)的人臉識別模型與預(yù)設(shè)的樣本特征進行比對前，還包括以下步驟：