[發明專利]兒童跨年齡的面部識別方法、裝置、電子設備及介質

有效

• 申請號: 202210483165.3
• 申請日: 2022-05-06
• 公開（公告）號: CN114582006B
• 公開（公告）日: 2022-07-08
• 發明（設計）人: 林偉輝
• 申請（專利權）人: 廣東紅橙云大數據有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/44;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 張萍

本申請提供一種兒童跨年齡的面部識別方法、裝置、電子設備及介質。該方法在獲取待識別面部圖像中當前兒童的目標年齡和待識別面部圖像的待識別面部特征后，查找存儲的面部特征庫中預測年齡段對應的多個兒童標識的面部特征、預測年齡段對應的平均面部特征和目標年齡所屬的目標年齡段對應的平均面部特征；將任一兒童標識對應的面部特征、預測年齡段對應的平均面部特征和目標年齡段對應的平均面部特征，輸入訓練好的特征預測網絡中，得到該兒童標識在目標年齡段的預測面部特征，若目標兒童標識對應的預測面部特征與待識別面部特征匹配，則將目標兒童標識確定為當前兒童的兒童標識。該方法提高了兒童面部識別的準確性。

技術領域

本申請涉及圖像處理的技術領域，具體而言，涉及一種兒童跨年齡的面部識別方法、裝置、電子設備及介質。

背景技術

目前，市面上的面部識別系統在成人照片上的準確率已取得極大成功，但是在兒童照片上的表現還遠遠達不到成人照片。以美國國家標準技術局(NIST)組織的FRVT在2020年1月人臉認證排行榜為例，冠軍模型在非約束環境照片類比賽中，錯誤匹配率(FalseMatch Rate, FMR) =0.00001(十萬分之一)時，其拒絕匹配率(False None-Match Rate,FNMR)為3.01 %，而在非約束性環境兒童照片，錯誤匹配率(False Match Rate, FMR) =0.01(百分之一)時，其拒絕匹配率(False None-Match Rate, FNMR)為34.22 %。由此可見，面部識別系統在兒童照片上，較之成人照片，檢測準確率存在顯著差距。也就是說，現有面部識別系統缺乏了解面部隨著年齡的變化機制。當面部隨著年齡變化時，現有的面部識別系統的識別準確率不高。

發明內容

本申請實施例的目的在于提供一種兒童跨年齡的面部識別方法、裝置、電子設備及介質，用以解決了現有技術存在的上述問題，提高了兒童面部識別的準確性。

第一方面，提供了一種兒童跨年齡的面部識別方法，該方法可以包括：

獲取待識別面部圖像中當前兒童的目標年齡和所述待識別面部圖像的待識別面部特征；所述待識別面部圖像中當前兒童的頭部姿態滿足預設姿態；

基于預設的預測年齡段，查找存儲的面部特征庫中所述預測年齡段對應的多個兒童標識的面部特征、所述預測年齡段對應的平均面部特征和所述目標年齡所屬的目標年齡段對應的平均面部特征；所述面部特征庫包括各兒童標識在不同年齡段對應的面部特征和所述不同年齡段對應的平均面部特征，所述平均面部特征是根據各年齡段中的面部特征和相應個數確定的；所述預測年齡段與所述目標年齡段不同；

針對各兒童標識，將所述兒童標識對應的面部特征、所述預測年齡段對應的平均面部特征和所述目標年齡段對應的平均面部特征，輸入訓練好的特征預測網絡中，得到所述特征預測網絡輸出的所述兒童標識在所述目標年齡段的預測面部特征；

若目標兒童標識對應的預測面部特征與所述待識別面部特征匹配，則將所述目標兒童標識確定為所述當前兒童的兒童標識。

在一個可能的實現中，基于預設的預測年齡段，查找存儲的面部特征庫中所述預測年齡段對應的多個兒童標識的面部特征、所述預測年齡段對應的平均面部特征和所述目標年齡段對應的平均面部特征，包括：

基于預設的預測年齡段，查找存儲的面部特征庫中所述預測年齡段對應的多個兒童標識的面部特征；

將所述待識別面部特征分別和所述預測年齡段對應的多個兒童標識的面部特征進行匹配；

若匹配失敗，則基于預設的預測年齡段，查找存儲的面部特征庫中所述預測年齡段對應的平均面部特征和所述目標年齡段對應的平均面部特征。

在一個可能的實現中，確定所述待識別面部特征對應的目標兒童標識之后，所述方法還包括：