[發(fā)明專利]一種人臉采集特征提取方法、系統(tǒng)及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110371575.4
• 申請(qǐng)日: 2021-04-07
• 公開（公告）號(hào): CN113536886A
• 公開（公告）日: 2021-10-22
• 發(fā)明（設(shè)計(jì)）人: 麥偉彬
• 申請(qǐng)（專利權(quán)）人: 廣州晟燁信息科技股份有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州市越秀區(qū)哲力專利商標(biāo)事務(wù)所(普通合伙) 44288
• 代理人: 成嬋娟

本發(fā)明公開了一種人臉采集特征提取方法、系統(tǒng)及存儲(chǔ)介質(zhì)，所述方法包括：基于卷積神經(jīng)網(wǎng)絡(luò)建立人臉特征位置點(diǎn)形狀驅(qū)動(dòng)深度模型；通過RetinaFace人臉檢測(cè)模型檢測(cè)人臉，生成不同尺寸的多層檢測(cè)框；所述檢測(cè)框包含不同尺寸的目標(biāo)框；在每層檢測(cè)框?qū)θ四樚卣魑恢命c(diǎn)形狀驅(qū)動(dòng)深度模型進(jìn)行訓(xùn)練；利用訓(xùn)練后人臉特征位置點(diǎn)形狀驅(qū)動(dòng)深度模型進(jìn)行人臉特征提取和融合，所述融合包括融合人臉特征位置點(diǎn)和人臉姿態(tài)。本發(fā)明能實(shí)現(xiàn)準(zhǔn)確、完整檢測(cè)到所有不同大小的人臉，并有利于提升人臉識(shí)別在各種姿態(tài)變化條件下的識(shí)別效果。

技術(shù)領(lǐng)域

本發(fā)明涉及人臉識(shí)別技術(shù)領(lǐng)域，具體涉及一種人臉采集特征提取 方法、系統(tǒng)及存儲(chǔ)介質(zhì)。

背景技術(shù)

人臉識(shí)別是一種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)的發(fā)展和社會(huì)認(rèn)同度的提高，人臉識(shí)別如今應(yīng) 用于很多領(lǐng)域。目前，通常需要采集待識(shí)別用戶的人臉圖像，以便于 服務(wù)端設(shè)備從待識(shí)別用戶的人臉圖像中提取出人臉特征向量，從而可 以基于該人臉特征向量去生成識(shí)別結(jié)果。如何提取人臉特征，使人臉 識(shí)別結(jié)果更準(zhǔn)確，成為本領(lǐng)域人員亟待解決的問題。

發(fā)明內(nèi)容

鑒于以上技術(shù)問題，本發(fā)明的目的在于提供一種人臉采集特征提 取方法、系統(tǒng)及存儲(chǔ)介質(zhì)，實(shí)現(xiàn)從待識(shí)別用戶的人臉圖像中提取出人 臉特征向量，有助于提高人臉識(shí)別結(jié)果。

本發(fā)明采用以下技術(shù)方案：

本發(fā)明的一種人臉采集特征提取方法，包括:

基于卷積神經(jīng)網(wǎng)絡(luò)建立人臉特征位置點(diǎn)形狀驅(qū)動(dòng)深度模型；

通過RetinaFace人臉檢測(cè)模型檢測(cè)人臉，生成不同尺寸的多層 檢測(cè)框；所述檢測(cè)框包含不同尺寸的目標(biāo)框；在每層檢測(cè)框?qū)θ四樚?征位置點(diǎn)形狀驅(qū)動(dòng)深度模型進(jìn)行訓(xùn)練；

利用訓(xùn)練后人臉特征位置點(diǎn)形狀驅(qū)動(dòng)深度模型進(jìn)行人臉特征提 取和融合，所述融合包括融合人臉特征位置點(diǎn)和人臉姿態(tài)。

進(jìn)一步的，所述人臉特征位置點(diǎn)形狀驅(qū)動(dòng)深度模型包括主網(wǎng)絡(luò)和 輔助子網(wǎng)絡(luò)，所述主網(wǎng)絡(luò)采用區(qū)域卷積網(wǎng)絡(luò)。

進(jìn)一步的，所述區(qū)域卷積網(wǎng)絡(luò)為N個(gè)，區(qū)域卷積網(wǎng)絡(luò)由DCNN中 卷積層和池化層所構(gòu)成，用于對(duì)人臉的N個(gè)區(qū)域進(jìn)行人臉特征位置點(diǎn) 提取；其中，N為根據(jù)人臉特征位置點(diǎn)的位置信息，將人臉圖像劃分 的N個(gè)區(qū)域。

進(jìn)一步的，將人臉圖像劃分的N個(gè)區(qū)域的劃分方法包括：將人臉 劃分為整張人臉、毛區(qū)域、右眉毛區(qū)域、左眼睛區(qū)域、右眼睛區(qū)域、 鼻部區(qū)域和嘴部區(qū)域。

進(jìn)一步的，所述人臉特征位置點(diǎn)包括每個(gè)眉毛的兩個(gè)角點(diǎn)及其中 心點(diǎn)、每個(gè)眼睛的兩個(gè)角點(diǎn)、上下眼皮中心點(diǎn)以及眼睛中心點(diǎn)、鼻尖 點(diǎn)、鼻頂點(diǎn)、兩個(gè)鼻翼點(diǎn)、鼻中隔點(diǎn)、嘴巴的兩個(gè)角點(diǎn)、嘴巴中心點(diǎn)、 上嘴唇的最上點(diǎn)及下嘴唇的最下點(diǎn)中的至少一個(gè)。

進(jìn)一步的，所述人臉姿態(tài)包括但不限于：側(cè)臉、正臉、抬頭、低 頭、表情、遮擋中的一種或多種。

進(jìn)一步的，所述融合包括：將人臉特征位置點(diǎn)進(jìn)行人臉對(duì)齊，將 對(duì)齊后的融合人臉特征位置點(diǎn)和人臉姿態(tài)。

一種人臉采集特征提取系統(tǒng)，包括：

構(gòu)建模塊，用于基于卷積神經(jīng)網(wǎng)絡(luò)建立人臉特征位置點(diǎn)形狀驅(qū)動(dòng) 深度模型；

人臉檢測(cè)模塊，用于通過RetinaFace人臉檢測(cè)模型檢測(cè)人臉， 生成不同尺寸的多層檢測(cè)框；所述檢測(cè)框包含不同尺寸的目標(biāo)框；在 每層檢測(cè)框?qū)θ四樚卣魑恢命c(diǎn)形狀驅(qū)動(dòng)深度模型進(jìn)行訓(xùn)練；

提取融合模塊，用于利用訓(xùn)練后人臉特征位置點(diǎn)形狀驅(qū)動(dòng)深度模 型進(jìn)行人臉特征提取和融合，所述融合包括融合人臉特征位置點(diǎn)和人 臉姿態(tài)。

進(jìn)一步的，所述人臉特征位置點(diǎn)形狀驅(qū)動(dòng)深度模型包括主網(wǎng)絡(luò)和 輔助子網(wǎng)絡(luò)，所述主網(wǎng)絡(luò)采用區(qū)域卷積網(wǎng)絡(luò)。