人脸识别方法和装置制造方法及图纸

本申请实施例公开了人脸识别方法和装置。该方法的一具体实施方式包括：获取待处理图像，其中，待处理图像为在非正面均匀光源条件下对人脸拍摄的图像；将待处理图像输入至预先训练的图像生成模型，得到对待处理图像进行光线调整后的优化图像，其中，优化图像为在正面均匀光源条件下所呈现的人脸图像，图像生成模型用于对在非正面均匀光源条件下所拍摄的图像进行光线调整以生成正面均匀光源条件下的图像；将优化图像输入预先训练的人脸识别模型中，得到优化图像中人脸的人脸识别结果，其中，人脸识别模型用于对图像中的人脸进行识别得到人脸识别结果。该实施方式提高了人脸识别的准确性。

Face recognition method and device

The application embodiment discloses a face recognition method and a device. A specific implementation method of the method includes: obtaining an image to be treated, in which the image to be processed is an image taken on a face under a non positive uniform light source; an image is inputted to a pre trained image generation model, and an optimized image is obtained after the processing image is adjusted by light, in which the optimization map is made. The image generation model is used to generate an image under the condition of a positive uniform light source under the condition of a positive uniform light source, such as the face image presented in the condition of a positive uniform light source, and the optimized image is used in the face recognition model of the pre trained image to obtain the face in the optimized image. In face recognition results, the face recognition model is used to recognize faces in the image and get the result of face recognition. This method improves the accuracy of face recognition.

【技术实现步骤摘要】
人脸识别方法和装置
本申请实施例涉及计算机
，具体涉及图像处理领域，尤其涉及人脸识别方法和装置。
技术介绍
随着互联网技术的发展，人脸识别技术应用到了越来越多的领域。例如，可以通过人脸识别来进行身份验证等。通常，在光照环境较差的情况下(例如逆光、侧光等情况)，图像中的对象不清晰、不易辨认，现有的方式通常是直接对该图像中的人脸进行人脸识别。
技术实现思路
本申请实施例提出了人脸识别方法和装置。第一方面，本申请实施例提供了一种人脸识别方法，包括：获取待处理图像，其中，待处理图像为在非正面均匀光源条件下对人脸拍摄的图像；将待处理图像输入至预先训练的图像生成模型，得到对待处理图像进行光线调整后的优化图像，其中，优化图像为在正面均匀光源条件下所呈现的人脸图像，图像生成模型用于对在非正面均匀光源条件下所拍摄的图像进行光线调整以生成正面均匀光源条件下的图像；将优化图像输入预先训练的人脸识别模型中，得到优化图像中人脸的人脸识别结果，其中，人脸识别模型用于对图像中的人脸进行识别得到人脸识别结果。在一些实施例中，图像生成模型通过如下步骤训练得到：获取预置的训练样本和预先建立的生成式对抗网络，其中，生成式对抗网络包括生成网络、第一判别网络和第二判别网络，生成网络用于对输入的图像进行光线调整并输出调整后的图像，第一判别网络用于确定所输入的图像是否由生成网络输出，第二判别网络用于确定生成网络输出的图像中人脸的人脸识别结果是否与输入至生成网络的图像中人脸的人脸识别结果相匹配，生成网络输出的图像中人脸的人脸识别结果是将生成网络输出的图像输入到预先训练的人脸识别模型中得到的，输入至生成网络的图像中人脸的人脸识别结果是预先获取的；利用机器学习方法，基于生成网络、第一判别网络和第二判别网络进行训练，将训练后的生成网络确定为图像生成模型。在一些实施例中，训练样本包括多个在非正面均匀光源条件下对人脸拍摄得到的第一图像、在正面均匀光源条件下对人脸拍摄得到的第二图像和第二图像中人脸的人脸识别结果。在一些实施例中，利用机器学习方法，基于生成网络、第一判别网络和第二判别网络进行训练，将训练后的生成网络确定为图像生成模型，包括：执行如下训练步骤：固定生成网络的参数，将第一图像作为生成网络的输入，将生成网络输出的图像输入至预先训练的人脸识别模型中得到待识别人脸的人脸识别结果；将生成网络输出的图像和第二图像作为第一判别网络的输入，将待识别人脸的人脸识别结果和第二图像中人脸的人脸识别结果作为第二判别网络的输入，利用机器学习方法对第一判别网络和第二判别网络进行训练；固定训练后的第一判别网络和第二判别网络的参数，将第一图像作为生成网络的输入，利用机器学习方法、反向传播方法和梯度下降算法对生成网络进行训练；确定训练后的第一判别网络和第二判别网络的损失函数值，响应于确定出损失函数值收敛，将训练后的生成网络确定为图像生成模型。在一些实施例中，利用机器学习方法，基于生成网络、第一判别网络和第二判别网络进行训练，将训练后的生成网络确定为图像生成模型，包括：响应于确定出损失函数值不收敛，使用训练后的生成网络、第一判别网络和第二判别网络重新执行训练步骤。在一些实施例中，训练样本通过如下步骤生成：获取预先建立的三维人脸模型；分别设置不同的光源参数对三维人脸模型进行渲染，得到具有不同光源参数的第一图像和第二图像，其中，第一图像的光源参数为非正面均匀光源条件下的参数，第二图像的光源参数为正面均匀光源条件下的参数；将第二图像输入至预先训练的人脸识别模型，得到第二图像中人脸的人脸识别结果；将第一图像、第二图像和第二图像中人脸的人脸识别结果组成训练样本。第二方面，本申请实施例提供了一种人脸识别装置，包括：第一获取单元，配置用于获取待处理图像，其中，待处理图像为在非正面均匀光源条件下对人脸拍摄的图像；第一输入单元，配置用于将待处理图像输入至预先训练的图像生成模型，得到对待处理图像进行光线调整后的优化图像，其中，优化图像为在正面均匀光源条件下所呈现的人脸图像，图像生成模型用于对在非正面均匀光源条件下所拍摄的图像进行光线调整以生成正面均匀光源条件下的图像；第二输入单元，配置用于将优化图像输入预先训练的人脸识别模型中，得到优化图像中人脸的人脸识别结果，其中，人脸识别模型用于对图像中的人脸进行识别得到人脸识别结果。在一些实施例中，该装置还包括：第二获取单元，配置用于获取预置的训练样本和预先建立的生成式对抗网络，其中，生成式对抗网络包括生成网络、第一判别网络和第二判别网络，生成网络用于对输入的图像进行光线调整并输出调整后的图像，第一判别网络用于确定所输入的图像是否由生成网络输出，第二判别网络用于确定生成网络输出的图像中人脸的人脸识别结果是否与输入至生成网络的图像中人脸的人脸识别结果相匹配，生成网络输出的图像中人脸的人脸识别结果是将生成网络输出的图像输入到预先训练的人脸识别模型中得到的，输入至生成网络的图像中人脸的人脸识别结果是预先获取的；训练单元，配置用于利用机器学习方法，基于生成网络、第一判别网络和第二判别网络进行训练，将训练后的生成网络确定为图像生成模型。在一些实施例中，训练样本包括多个在非正面均匀光源条件下对人脸拍摄得到的第一图像、在正面均匀光源条件下对人脸拍摄得到的第二图像和第二图像中人脸的人脸识别结果。在一些实施例中，训练单元进一步配置用于：执行如下训练步骤：固定生成网络的参数，将第一图像作为生成网络的输入，将生成网络输出的图像输入至预先训练的人脸识别模型中得到待识别人脸的人脸识别结果；将生成网络输出的图像和第二图像作为第一判别网络的输入，将待识别人脸的人脸识别结果和第二图像中人脸的人脸识别结果作为第二判别网络的输入，利用机器学习方法对第一判别网络和第二判别网络进行训练；固定训练后的第一判别网络和第二判别网络的参数，将第一图像作为生成网络的输入，利用机器学习方法、反向传播方法和梯度下降算法对生成网络进行训练；确定训练后的第一判别网络和第二判别网络的损失函数值，响应于确定出损失函数值收敛，将训练后的生成网络确定为图像生成模型。在一些实施例中，训练单元进一步配置用于：响应于确定出损失函数值不收敛，使用训练后的生成网络、第一判别网络和第二判别网络重新执行训练步骤。在一些实施例中，该装置还包括：第三获取单元，配置用于获取预先建立的三维人脸模型；设置单元，配置用于分别设置不同的光源参数对三维人脸模型进行渲染，得到具有不同光源参数的第一图像和第二图像，其中，第一图像的光源参数为非正面均匀光源条件下的参数，第二图像的光源参数为正面均匀光源条件下的参数；第三输入单元，配置用于将第二图像输入至预先训练的人脸识别模型，得到第二图像中人脸的人脸识别结果；组成单元，配置用于将第一图像、第二图像和第二图像中人脸的人脸识别结果组成训练样本。第三方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如人脸识别方法中任一实施例的方法。第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如人脸识别方法中任一实施例的方法。本申请实施例提供的人脸识别方法和装置本文档来自技高网...

【技术保护点】
1.一种人脸识别方法，包括：获取待处理图像，其中，所述待处理图像为在非正面均匀光源条件下对人脸拍摄的图像；将所述待处理图像输入至预先训练的图像生成模型，得到对所述待处理图像进行光线调整后的优化图像，其中，所述优化图像为在正面均匀光源条件下所呈现的人脸图像，所述图像生成模型用于对在非正面均匀光源条件下所拍摄的图像进行光线调整以生成正面均匀光源条件下的图像；将所述优化图像输入预先训练的人脸识别模型中，得到所述优化图像中人脸的人脸识别结果，其中，所述人脸识别模型用于对图像中的人脸进行识别得到人脸识别结果。

【技术特征摘要】
1.一种人脸识别方法，包括：获取待处理图像，其中，所述待处理图像为在非正面均匀光源条件下对人脸拍摄的图像；将所述待处理图像输入至预先训练的图像生成模型，得到对所述待处理图像进行光线调整后的优化图像，其中，所述优化图像为在正面均匀光源条件下所呈现的人脸图像，所述图像生成模型用于对在非正面均匀光源条件下所拍摄的图像进行光线调整以生成正面均匀光源条件下的图像；将所述优化图像输入预先训练的人脸识别模型中，得到所述优化图像中人脸的人脸识别结果，其中，所述人脸识别模型用于对图像中的人脸进行识别得到人脸识别结果。2.根据权利要求1所述的方法，其中，所述图像生成模型通过如下步骤训练得到：获取预置的训练样本和预先建立的生成式对抗网络，其中，所述生成式对抗网络包括生成网络、第一判别网络和第二判别网络，所述生成网络用于对输入的图像进行光线调整并输出调整后的图像，所述第一判别网络用于确定所输入的图像是否由所述生成网络输出，所述第二判别网络用于确定所述生成网络输出的图像中人脸的人脸识别结果是否与输入至所述生成网络的图像中人脸的人脸识别结果相匹配，所述生成网络输出的图像中人脸的人脸识别结果是将所述生成网络输出的图像输入到预先训练的人脸识别模型中得到的，所述输入至所述生成网络的图像中人脸的人脸识别结果是预先获取的；利用机器学习方法，基于所述生成网络、所述第一判别网络和所述第二判别网络进行训练，将训练后的所述生成网络确定为图像生成模型。3.根据权利要求2所述的方法，其中，所述训练样本包括多个在非正面均匀光源条件下对人脸拍摄得到的第一图像、在正面均匀光源条件下对人脸拍摄得到的第二图像和所述第二图像中人脸的人脸识别结果。4.根据权利要求3所述的方法，其中，所述利用机器学习方法，基于所述生成网络、所述第一判别网络和所述第二判别网络进行训练，将训练后的所述生成网络确定为图像生成模型，包括：执行如下训练步骤：固定所述生成网络的参数，将所述第一图像作为所述生成网络的输入，将所述生成网络输出的图像输入至预先训练的人脸识别模型中得到待识别人脸的人脸识别结果；将所述生成网络输出的图像和所述第二图像作为所述第一判别网络的输入，将所述待识别人脸的人脸识别结果和所述第二图像中人脸的人脸识别结果作为所述第二判别网络的输入，利用机器学习方法对所述第一判别网络和所述第二判别网络进行训练；固定训练后的所述第一判别网络和所述第二判别网络的参数，将所述第一图像作为所述生成网络的输入，利用机器学习方法、反向传播方法和梯度下降算法对所述生成网络进行训练；确定训练后的所述第一判别网络和所述第二判别网络的损失函数值，响应于确定出所述损失函数值收敛，将训练后的所述生成网络确定为图像生成模型。5.根据权利要求4所述的方法，其中，所述利用机器学习方法，基于所述生成网络、所述第一判别网络和所述第二判别网络进行训练，将训练后的所述生成网络确定为图像生成模型，包括：响应于确定出所述损失函数值不收敛，使用训练后的所述生成网络、所述第一判别网络和所述第二判别网络重新执行所述训练步骤。6.根据权利要求3-5之一所述的方法，其中，所述训练样本通过如下步骤生成：获取预先建立的三维人脸模型；分别设置不同的光源参数对所述三维人脸模型进行渲染，得到具有不同光源参数的第一图像和第二图像，其中，所述第一图像的光源参数为非正面均匀光源条件下的参数，所述第二图像的光源参数为正面均匀光源条件下的参数；将所述第二图像输入至预先训练的人脸识别模型，得到所述第二图像中人脸的人脸识别结果；将所述第一图像、所述第二图像和所述第二图像中人脸的人脸识别结果组成训练样本。7.一种人脸识别装置，包括：第一获取单元，配置用于获取待处理图像，其中，所述待处理图像为在非正面均匀光源条件下对人脸拍摄的图像；...

【专利技术属性】
技术研发人员：刘经拓，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11