[發明專利]一種輕量級口罩人臉識別方法、系統、存儲介質及設備

在審

• 申請號: 202110209553.8
• 申請日: 2021-02-25
• 公開（公告）號: CN112560828A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 周燕;吳浩海;曾凡智
• 申請（專利權）人: 佛山科學技術學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 霍健蘭;梁瑩

本發明提供了一種輕量級口罩人臉識別方法、系統、存儲介質及設備，其中方法包括口罩人臉檢測工序、口罩人臉對齊工序、人臉特征提取工序和人臉特征比對工序；人臉特征提取工序是指：將口罩人臉對齊工序的輸出作為輸入特征，輸入到輕量級口罩人臉特征提取網絡中；輕量級口罩人臉特征提取網絡將所述輸入特征卷積升維，之后經過激活函數激活，再進行深度可分離卷積；輸入到通道注意力和區域注意力單元；進行合并操作，然后通道重組，輸出人臉特征。該方法通過深度可分離卷積和注意力機制模塊混用的方式，既減少了計算量又保證了特征提取不受口罩等大面積遮擋的影響；運行速度快，識別準確率高，具有良好魯棒性。

技術領域

本發明涉及人臉識別技術領域，更具體地說，涉及一種輕量級口罩人臉識別方法、系統、存儲介質及設備。

背景技術

人臉識別已成為身份認證中最著名的生物識別技術，并已廣泛用于許多領域。人臉佩戴口罩后，大量關鍵特征信息會被改變，導致不同對象的口罩人臉特征差異性減小，相同對象佩戴與非佩戴口罩的人臉特征差異性增大。如何依靠口罩人臉眉眼部分少量特征信息進行身份識別目前存在較大困難。

此外，現有人臉識別多采用深度特征提取網絡實現。現有的深度特征提取網絡主要分為兩類：重量級和輕量級。重量級網絡的優勢是由于其深度排列的網絡單元對人臉的特征有較好的提取，識別的準確率高，能夠應對復雜的環境（如光照劇烈變化等），具有更強的魯棒性，但是運用在一些實時場景中，易嚴重延時，并且大構架的人臉識別網絡，在分布式訓練的過程中，與服務器通信需求更大，占用資源更多，訓練所產生的模型體積更大，不容易部署在一些移動設備或者是內存較小的設備中。輕量級網絡占用服務器資源更少，實際運行時，速度更快，模型體積更小，但是輕量級網絡特征抽取能力有限，導致魯棒性更差，其識別率容易受表情變化和光照變化等影響。

發明內容

為克服現有技術中的缺點與不足，本發明的目的在于提供一種輕量級口罩人臉識別方法、系統、存儲介質及設備；本發明通過深度可分離卷積和注意力機制模塊混用的方式，既減少了計算量又保證了特征提取不受口罩等大面積遮擋的影響；運行速度快，識別準確率高，具有良好魯棒性。

為了達到上述目的，本發明通過下述技術方案予以實現：一種輕量級口罩人臉識別方法，其特征在于：包括口罩人臉檢測工序、口罩人臉對齊工序、人臉特征提取工序和人臉特征比對工序；

所述口罩人臉檢測工序是指：對輸入圖像中疑似人臉的目標進行框選；

所述口罩人臉對齊工序是指：檢測人臉關鍵點，之后通過圖像相似變換算法進行人臉對齊；

所述人臉特征提取工序是指：將口罩人臉對齊工序的輸出作為輸入特征，輸入到輕量級口罩人臉特征提取網絡中得到人臉特征；所述輕量級口罩人臉特征提取網絡將所述輸入特征輸入1×1卷積進行升維，之后經過激活函數激活，再進行深度可分離卷積；深度可分離卷積包括深度卷積和逐點卷積；深度卷積對輸入特征的每個輸入應用通道進行輕量級濾波；逐點卷積對輕量級濾波后的每個輸入應用通道進行線性組合；深度可分離卷積后，輸入到通道注意力和區域注意力單元以強化口罩人臉眉眼部分特征權重；將通道注意力和區域注意力單元的輸出和人臉特征提取工序的輸入特征進行合并操作，然后對合并后的特征進行通道重組，輸出人臉特征；

所述人臉特征比對工序是指：將提取的人臉特征與人臉數據庫特征進行比對，來判斷輸入圖像的身份。

優選地，所述輸入到通道注意力和區域注意力單元以加口罩以上部分權重，是指：首先將深度可分離卷積后的特征分別經過全局最大池化和全局平均池化層來聚合特征的空間信息，生成兩個不同的空間上下文描述符，然后經過1×1卷積和激活函數激活后聚合一起來獲取通道信息以針對眉毛眼睛部分提取特征，之后與深度可分離卷積后的特征進行第一次對位相乘；第一次對位相乘后的特征通過通道最大池化和通道平均池化來聚合通道信息，生成兩個2維映射，將這兩個2維映射通道拼接后通過卷積層連接和卷積混合，生成2維空間注意力特征，將2維空間注意力特征與第一次對位相乘后的特征進行第二次對位相乘，以獲得側重眉毛眼睛部分的人臉特征。