[發明專利]基于YOLOV5模型的人臉識別方法

在審

• 申請號: 202110333265.3
• 申請日: 2021-03-29
• 公開（公告）號: CN113052087A
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 汪洪鋒
• 申請（專利權）人: 杭州京威盛智能科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 杭州裕陽聯合專利代理有限公司 33289
• 代理人: 張解翠

本發明公開了一種基于YOLOV5模型的人臉識別方法，包含：通過標定好的第一訓練圖像對YOLOV5模型進行訓練；通過標定好的第二訓練圖像對FaceNet模型進行訓練；通過圖像采集設備采集若干注冊用戶的人臉圖像輸入至訓練好的YOLOV5模型和FaceNet模型得到若干注冊用戶的第一人臉特征向量并保存至數據庫；通過圖像采集設備采集待識別用戶的人臉圖像并輸入至訓練好的YOLOV5模型和FaceNet模型得到該待識別用戶的第二人臉特征向量；將第二人臉特征向量和數據庫中的保存的第一人臉特征向量進行相似度匹配進行判斷。本發明的基于YOLOV5模型的人臉識別方法，在識別小目標時能夠兼顧性能和目標識別有效性。

技術領域

本發明涉及一種基于YOLOV5模型的人臉識別方法。

背景技術

人臉識別技術是提取人的臉部特征信息進行身份識別的一種生物識別技術。現有人臉識別一般分為人臉檢測、人臉識別、活體檢測三個步驟，當輸入一幀圖像后，人臉檢測模塊檢測出人臉在圖像中的坐標位置，接著人臉識別模塊提出人臉的特征向量，一般為256維、512維或者1024維，根據這個特征向量與人臉底庫存儲的人臉特征向量進行對比，判斷是否為某一個人。最后通過活體檢測模塊判斷是否為真人或者是使用了圖片、視頻的人臉。

現有的人臉檢測算法模型往往無法兼顧性能和小目標人臉檢測，當能夠識別到人臉像素小于30x30時，算法性能下降比較快，而當提高算法性能時，小目標人臉往往又檢測不到。

同時，在人臉識別模塊，當獲取一幀圖像后，通過深度網絡模型提取人臉的特征向量，然后與人臉底庫中的特征向量進行比對，判斷是否為同一個人，接著再運行活體檢測網絡判斷輸入圖像是真人還是圖像、視頻攻擊的人臉。這需要運行兩個模型，極大的影響系統性能。

發明內容

本發明提供了一種基于YOLOV5模型的人臉識別方法，采用如下的技術方案：

一種基于YOLOV5模型的人臉識別方法，包含以下步驟：

獲取若干第一訓練圖像；

對第一訓練圖像進行標定；

通過標定好的第一訓練圖像對YOLOV5模型進行訓練；

通過圖像采集設備采集若干第二訓練圖像；

對第二訓練圖像進行標定；

通過標定好的第二訓練圖像對FaceNet模型進行訓練；

通過圖像采集設備采集若干注冊用戶的人臉圖像輸入至訓練好的YOLOV5模型和FaceNet模型得到若干注冊用戶的第一人臉特征向量并保存至數據庫；

通過圖像采集設備采集待識別用戶的人臉圖像并輸入至訓練好的YOLOV5模型和FaceNet模型得到該待識別用戶的第二人臉特征向量；

將第二人臉特征向量和數據庫中的保存的第一人臉特征向量進行相似度匹配，當相似度大于預設閾值時表明該待識別用戶是注冊用戶。

進一步地，在通過標定好的第一訓練圖像對YOLOV5模型進行訓練之前，基于YOLOV5模型的人臉識別方法還包括：

對標定后的第一訓練圖像進行預處理；

對預處理后的第一訓練圖像進行Mosaic圖像增強操作；

將圖像增強后的第一訓練圖像縮放為統一尺寸。

進一步地，Mosaic圖像增強操作包括圖像隨機縮放、圖像隨機裁剪和圖像隨機排布。

進一步地，YOLOV5模型包含依次連接的Focus層、第一Conv層、第一CSP層、第二Conv層、第二CSP層、第三Conv層、第三CSP層、第四Conv層、SPP層和第一CSP層。