[發明專利]人臉識別方法、裝置、電子設備及計算機可讀存儲介質

在審

• 申請號: 202111006875.9
• 申請日: 2021-08-30
• 公開（公告）號: CN113705469A
• 公開（公告）日: 2021-11-26
• 發明（設計）人: 王晟宇
• 申請（專利權）人: 平安科技（深圳）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: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種人臉識別方法，其特征在于，所述方法包括：

獲取第一人臉訓練集，對所述第一人臉訓練集中的每張人臉圖像進行人臉位置檢測，根據檢測到的人臉位置從所述每張人臉圖像中提取預設部分人臉，得到部分人臉圖像，匯總得到的所有部分人臉圖像，得到第二人臉訓練集；

利用所述第一人臉訓練集訓練預構建的人臉識別神經網絡，得到全臉特征提取模型，以及利用所述第二人臉訓練集訓練預構建的人臉識別神經網絡，得到半臉特征提取模型；

利用所述全臉特征提取模型對待識別人臉圖像進行特征提取，得到第一特征，以及利用所述半臉特征提取模型對所述待識別人臉圖像進行特征提取，得到第二特征；

計算所述第一特征與預構建的特征對比庫中人臉特征的相似度，得到第一相似度，以及計算所述第二特征與所述特征對比庫中人臉特征的相似度，得到第二相似度，根據所述第一相似度及所述第二相識度得到所述待識別人臉圖像的識別結果。

2.如權利要求1所述的人臉識別方法，其特征在于，所述對所述第一人臉訓練集中的每張人臉圖像進行人臉位置檢測，根據檢測到的人臉位置從所述每張人臉圖像中提取預設部分人臉，得到部分人臉圖像，匯總得到的所有部分人臉圖像，得到第二人臉訓練集，包括：

對所述第一人臉訓練集中的人臉圖像進行位置檢測，得到關鍵位置點；

根據所述關鍵位置點對所述第一人臉訓練集中的人臉圖像進行位置截取及比例調整，得到部分人臉調節圖像集；

利用預設顏色對所述部分人臉調節圖像集中圖像的無像素區域進行填充；

對填充后的圖像進行RGB標準化處理，匯總所有標準化后的圖像得到所述第二人臉訓練集。

3.如權利要求2中所述的人臉識別方法，其特征在于，所述利用所述第一人臉訓練集訓練預構建的人臉識別神經網絡，得到全臉特征提取模型，包括：

利用所述人臉識別神經網絡采集所述第一人臉訓練集中完整人臉圖像的人臉特征，得到人臉特征集合；

隨機選取所述人臉特征集合中任意的人臉特征作為參考特征，基于所述參考特征構建特征三元組；

根據所述特征三元組計算所述人臉識別神經網絡預設的損失函數的損失值；

若所述損失函數的損失值大于等于預設的特征損失閾值，則返回所述隨機選取所述人臉特征集合中任意的人臉特征作為參考特征的步驟；

若所述損失函數的損失值小于所述特征損失閾值，停止訓練，得到所述全臉特征提取模型。

4.如權利要求3所述的人臉識別方法，其特征在于，所述根據所述特征三元組計算所述人臉識別神經網絡預設的損失函數的損失值，包括：

利用所述人臉識別神經網絡中預設的三元組損失函數計算所述人臉識別神經網絡的損失值：

Loss＝max(||f(A)-f(P)||²-||f(A)-f(N)||²+α)

其中，Loss為所述損失值，f(A)為所述參考特征，f(N)為同一人不同的人臉特征，f(P)為不同人的人臉特征，α為超參數。

5.如權利要求1所述的人臉識別方法，其特征在于，所述計算所述第一特征與預構建的特征對比庫中人臉特征的相似度，包括：

根據所述第一特征查找所述特征對比庫中的人臉特征；

利用預設的近似最近鄰算法對所述第一特征和所述特征對比庫中查找到的人臉特進行特征匹配，得到特征二叉樹；

計算所述特征二叉樹中相鄰節點的相似度，得到多個相似度值；

從所述多個相似度值中選取相似度值最高的相似度作為所述第一相似度。

6.如權利要求5所述的人臉識別方法，其特征在于，所述計算所述特征二叉樹中相鄰節點的相似度，包括：

通過下述相似度計算公式計算所述特征二叉樹中相鄰節點的相似度：

D1為所述相似度，n所述特征二叉樹中節點對個數，x_i，y_j為所述特征二叉樹相鄰節點中的人臉特征。