[發(fā)明專利]基于人臉識別更新人臉特征的方法、裝置和計算機設備

在審

• 申請?zhí)枺?/td>: 202011003125.1
• 申請日: 2020-09-22
• 公開（公告）號: CN111931718A
• 公開（公告）日: 2020-11-13
• 發(fā)明（設計）人: 張曉華;陳勇;胡天
• 申請（專利權）人: 深圳市視美泰技術股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N20/00
• 代理公司: 深圳市明日今典知識產(chǎn)權代理事務所(普通合伙) 44343
• 代理人: 王杰輝;陳秋波

1.一種基于人臉識別更新人臉特征的方法，其特征在于，包括：

獲取待識別人臉特征向量；

將所述待識別人臉特征向量與預存的若干個基準人臉特征向量逐一進行比對，得到所述待識別人臉特征向量與各所述基準人臉特征向量之間的相似度；

從各所述相似度中篩選出最大相似度；

判斷所述最大相似度是否大于相似度閾值；

若所述最大相似度不小于相似度閾值，則根據(jù)所述待識別人臉特征向量和所述最大相似度對應的基準人臉特征向量進行加權融合，更新所述最大相似度對應的基準人臉特征向量。

2.根據(jù)權利要求1所述的基于人臉識別更新人臉特征的方法，其特征在于，所述獲取待識別人臉特征向量的步驟，包括：

獲取待識別人臉圖片；

將所述待識別人臉圖片輸入預先訓練的人臉特征提取模型，得到所述待識別人臉特征向量，所述人臉特征提取模型用于從輸入圖片中提取人臉特征向量。

3.根據(jù)權利要求2所述的基于人臉識別更新人臉特征的方法，其特征在于，所述根據(jù)所述待識別人臉特征向量和所述最大相似度對應的基準人臉特征向量進行加權融合，更新所述所述最大相似度對應的基準人臉特征向量的步驟，包括：

獲取更新系數(shù)；

將所述更新系數(shù)、所述待識別人臉特征向量和所述最大相似度對應的基準人臉特征向量代入加權融合公式內，計算得到更新后的基準人臉特征向量，其中，所述加權融合公式為：F_t＝βF_t-1+(1-β)G_t，F(xiàn)_t-1為所述待識別人臉特征向量，G_t為所述最大相似度對應的基準人臉特征向量，F(xiàn)_t為所述更新后的基準人臉特征向量，β為所述更新系數(shù)；

使用所述更新后的基準人臉特征向量替換所述最大相似度對應的基準人臉特征向量。

4.根據(jù)權利要求3所述的基于人臉識別更新人臉特征的方法，其特征在于，所述獲取更新系數(shù)的步驟，包括：

獲取更新信息；

將所述更新信息輸入預先訓練的學習模型，得到所述更新系數(shù)，所述學習模型用于根據(jù)輸入信息對應輸出更新系數(shù)。

5.根據(jù)權利要求4所述的基于人臉識別更新人臉特征的方法，其特征在于，所述更新信息包括光照強度，所述獲取更新信息的步驟，包括：

在獲取所述待識別人臉圖片的同時，通過光感傳感器獲取當前環(huán)境的所述光照強度。

6.根據(jù)權利要求4所述的基于人臉識別更新人臉特征的方法，其特征在于，所述更新信息包括間隔時間段，所述獲取更新信息的步驟，包括：

獲取當前時間，以及所述最大相似度對應的基準人臉特征向量的保存時間；

計算所述當前時間和所述保存時間之間的差值，得到所述間隔時間段。

7.根據(jù)權利要求1所述的基于人臉識別更新人臉特征的方法，其特征在于，所述判斷所述最大相似度是否大于相似度閾值的步驟之后，包括：

若所述最大相似度小于相似度閾值，則判定人臉識別失敗。

8.一種基于人臉識別更新人臉特征的裝置，其特征在于，包括：

獲取模塊，用于獲取待識別人臉特征向量；

比對模塊，用于將所述待識別人臉特征向量與預存的若干個基準人臉特征向量逐一進行比對，得到所述待識別人臉特征向量與各所述基準人臉特征向量之間的相似度；

篩選模塊，用于從各所述相似度中篩選出最大相似度；

判斷模塊，用于判斷所述最大相似度是否大于相似度閾值；

更新模塊，用于若所述最大相似度不小于相似度閾值，則根據(jù)所述待識別人臉特征向量和所述最大相似度對應的基準人臉特征向量進行加權融合，更新所述最大相似度對應的基準人臉特征向量。

9.一種計算機設備，包括存儲器和處理器，所述存儲器中存儲有計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)權利要求1至7中任一項所述方法的步驟。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)權利要求1至7中任一項所述的方法的步驟。