[發明專利]人臉識別方法及裝置

在審

• 申請號: 202110443405.2
• 申請日: 2021-04-23
• 公開（公告）號: CN113139465A
• 公開（公告）日: 2021-07-20
• 發明（設計）人: 司蘇沛;李驪
• 申請（專利權）人: 北京華捷艾米科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 錢娜

1.一種人臉識別方法，其特征在于，所述方法包括：

獲取用戶終端傳輸的一對T幀圖像幀，所述一對T幀圖像幀包括一對T幀彩色圖像幀和T幀深度圖像幀，T的取值為大于1的整數；

將所述T幀彩色圖像作為人臉檢測模型的輸入進行人臉檢測；

若檢測到人臉，獲取由T幀彩色人臉數據和T幀深度人臉數據構成的T幀人臉對；

將所述T幀深度人臉數據和T幀之前的n個深度人臉數據進行融合，得到融合后的T幀深度人臉數據，n的取值為小于T的正整數；

分別提取所述T幀彩色人臉數據對應的彩色人臉特征向量，以及所述融合后的T幀深度人臉數據對應的深度人臉特征向量；

根據所述彩色人臉特征向量和所述深度人臉特征向量進行相似度計算，得到最終決策分數final_score；

若所述最終決策分數final_score大于閾值，確定所述T幀人臉對對應的人臉通過人臉識別。

2.根據權利要求1所述的方法，其特征在于，所述將所述T幀彩色圖像作為人臉檢測模型的輸入進行人臉檢測，包括：

將所述一對T幀圖像幀中的T幀彩色圖像輸入預先構建的人臉檢測模型中；

獲取所述人臉檢測模型輸出的所述T幀彩色圖像中符合要求的人臉數據，所述人臉數據包括人臉所在位置矩形左上角和右下角的坐標，所述符合要求的人臉指當存在一個人臉時所述人臉的人臉數據，當存在多個人臉時所述多個人臉中面積最大的人臉對應的人臉數據；

相應的，若檢測到人臉，獲取由T幀彩色人臉數據和T幀深度人臉數據構成的T幀人臉對，包括：

根據所述坐標裁剪所述一對T幀圖像幀中的T幀彩色圖像幀和T幀深度圖像幀，獲取由T幀彩色人臉數據和T幀深度人臉數據構成的T幀人臉對。

3.根據權利要求1所述的方法，其特征在于，所述將所述T幀深度人臉數據和T幀之前的n個深度人臉數據進行融合，得到融合后的T幀深度人臉數據，包括：

基于相機內參，將所述T幀深度人臉數據和T幀之前的n個深度人臉數據轉換為對應的T幀三維點云數據；

通過迭代最鄰近點法ICP配準算法將T幀之前的n個三維點云數據旋轉變換到所述T幀三維點云數據所在的T幀相機坐標系下，得到變換后的T幀之前的n個三維點云數據；

將所述T幀三維點云數據和所述變換后的T幀之前的n個三維點云數據融合到截斷有符號距離函數模型TSDF模型中；

基于相機內參，將所述TSDF模型投影到T幀相機成像平面中，得到融合后的T幀深度人臉數據。

4.根據權利要求1所述的方法，其特征在于，所述分別提取所述T幀彩色人臉數據對應的彩色人臉特征向量，以及所述融合后的T幀深度人臉數據對應的深度人臉特征向量，包括：

將所述T幀彩色人臉數據輸入彩色人臉識別模型中，提取所述T幀彩色人臉數據對應的彩色人臉特征向量；

將所述融合后的T幀深度人臉數據輸入深度人臉識別模型中，提取所述融合后的T幀深度人臉數據對應的深度人臉特征向量；

其中，所述彩色人臉識別模型和所述深度人臉識別模型基于訓練深度神經卷積網絡模型得到。

5.根據權利要求1所述的方法，其特征在于，所述根據所述彩色人臉特征向量和所述深度人臉特征向量進行相似度計算，得到最終決策分數final_score，包括：

將提取的所述彩色人臉特征向量與預先構建的樣本庫中的彩色人臉特征向量進行比對，計算彩色相似度分數color_score；

將提取的所述深度人臉特征向量與預先構建的樣本庫中的深度人臉特征向量進行比對，計算深度相似度分數depth_score；

基于加權平均法，獲取所述彩色相似度分數color_score和所述深度相似度分數depth_score分別乘以各自對應的權重系數后的和值，將所述和值作為最終決策分數final_score；

其中，final_score＝w1*color_score+w2*depth_score，w1為所述彩色相似度分數color_score的權重系數，w2為所述深度相似度分數depth_score的權重系數，w1+w2＝1。