基于证件照与现场照的人脸识别方法及系统技术方案

本发明专利技术涉及生物特征识别技术领域，具体提供了一种基于证件照与现场照的人脸识别方法及系统，旨在解决如何提高基于证件照与现场照的人脸识别准确性的技术问题。为此目的，本发明专利技术中的人脸识别方法可以根据证件照图像与现场照图像的图像特征，计算二者相似度，进而根据相似度值判断证件照图像与现场照图像是否相似。基于此，在对大规模的证件照与现场照进行比对时，基于相似度判断，可以快速完成图像比对工作。同时，本发明专利技术中的人脸识别系统可以执行并实现上述人脸识别方法。

Face Recognition Method and System Based on Document Photo and Site Photo

The invention relates to the technical field of biometric recognition, and specifically provides a method and system of face recognition based on certificate and scene photos, aiming at solving the technical problem of how to improve the accuracy of face recognition based on certificate and scene photos. To this end, the face recognition method in the present invention can calculate the similarity between the license image and the scene image according to their image characteristics, and then judge whether the license image and the scene image are similar according to the similarity value. Based on this, when comparing large-scale certificate photos with field photos, image comparison can be completed quickly based on similarity judgment. At the same time, the face recognition system of the present invention can execute and realize the face recognition method mentioned above.

【技术实现步骤摘要】
基于证件照与现场照的人脸识别方法及系统
本专利技术涉及生物特征识别
，具体涉及一种基于证件照与现场照的人脸识别方法及系统。
技术介绍
人脸识别技术指的是利用分析比较的计算机方法识别人脸的技术，其主要包括如下步骤：首先，判断人脸图像或视频流中是否存在人脸，若存在人脸则获取每个人脸的位置、大小和每个主要面部器官的位置信息。然后，根据所获取的信息提取每个人脸中所包含的身份特征。最后，将所提取的身份特征与预设人脸特征进行比对，从而根据比对结果识别每个人脸的身份。目前，基于机器学习算法的人脸识别技术，需要对大量样本数据进行学习，才能提高对相应人脸类别的识别准确率。然而，在基于证件照与现场照进行人脸识别时，每种人脸类别往往仅具有少量样本数据，因此这种人脸识别技术将无法对人脸类别进行准确识别。
技术实现思路
为了解决现有技术中的上述问题，即为了解决如何提高基于证件照与现场照的人脸识别准确性的技术问题。为此目的，本专利技术提供了一种基于证件照与现场照的人脸识别方法及系统。在第一方面，本专利技术中基于证件照与现场照的人脸识别方法包括如下步骤：获取目标体的证件照图像与现场照图像；基于预先构建的人脸识别模型，并根据所获取的证件照图像与现场照图像的图像特征，计算所述证件照图像与现场照图像的相似度；；根据所计算的相似度，判断所述证件照图像与现场照图像是否相似；其中，所述人脸识别模型是基于预设的训练集，并利用机器学习算法构建的图像分类模型。进一步地，本专利技术提供的一个优选技术方案为：所述训练集包括常规图像训练集和证件/现场照图像训练集；在“基于预先构建的人脸识别模型，并根据所获取的证件照图像与现场照图像的图像特征，计算所述证件照图像与现场照图像的相似度”的步骤之前，所述方法还包括：获取所述常规图像训练集内样本图像的图像特征，并根据所获取的图像特征，利用机器学习算法和预设的分类损失函数对人脸识别模型进行模型训练，得到第一优化模型；获取所述证件/现场照图像训练集内样本图像的图像特征，并根据所获取的图像特征，利用机器学习算法和预设的度量学习损失函数对所述第一优化模型进行模型训练，得到第二优化模型；根据所述证件/现场照图像训练集内每类样本图像对应的特征模板，以及该类样本图像对应的相似类别样本图像的特征模板，利用机器学习算法对所述第二优化模型进行模型训练。进一步地，本专利技术提供的一个优选技术方案为：在“根据所述证件/现场照图像训练集内每类样本图像对应的特征模板，以及该类样本图像对应的相似类别样本图像的特征模板，利用机器学习算法对所述第二优化模型进行模型训练”的步骤之前，所述方法还包括：基于所述第二优化模型，提取所述证件/现场照训练集内每个预设的图像类别对应的所有样本图像的特征向量，并将每个所述图像类别对应平均特征向量作为该图像类别的特征模板；利用K最近邻算法，并根据所述特征模板，获取每个所述图像类别的相似图像类别。进一步地，本专利技术提供的一个优选技术方案为：“根据所述证件/现场照图像训练集内每类样本图像对应的特征模板，以及该类样本图像对应的相似类别样本图像的特征模板，利用机器学习算法对所述第二优化模型进行模型训练”的步骤具体包括：根据所述证件/现场照图像训练集内每类样本图像对应的特征模板，以及该类样本图像对应的相似类别样本图像的特征模板，利用批梯度下降法对所述第二优化模型进行模型训练。进一步地，本专利技术提供的一个优选技术方案为：在“基于预先构建的人脸识别模型，并根据所获取的证件照图像与现场照图像的图像特征，计算所述证件照图像与现场照图像的相似度”的步骤之前，所述方法还包括：检测图像中是否包含人脸，若包含人脸，则获取所述图像中的人脸关键点；根据所获取的人脸关键点对所述图像进行对齐和裁剪处理；其中，所述图像是所述证件照图像、现场照图像或所述训练集内的样本图像。在第二方面，本专利技术中基于证件照与现场照的人脸识别系统包括：图像获取模块，其配置为获取目标体的证件照图像与现场照图像；相似度计算模块，其配置为根据所述图像获取模块所获取的证件照图像与现场照图像的图像特征，计算所述证件照图像与现场照图像的相似度相似度判断模块，其配置为根据所述相似度计算模块所计算的相似度，判断所述证件照图像与现场照图像是否相似；其中，所述人脸识别模型是基于预设的训练集，并利用机器学习算法构建的图像分类模型。进一步地，本专利技术提供的一个优选技术方案为：所述训练集包括常规图像训练集和证件/现场照图像训练集；所述人脸识别模型包括模型训练单元；所述模型训练单元包括：预学习子单元，其配置为获取所述常规图像训练集内样本图像的图像特征，并根据所获取的图像特征，利用机器学习算法和预设的分类损失函数对人脸识别模型进行模型训练，得到第一优化模型；迁移学习子单元，其配置为获取所述证件/现场照图像训练集内样本图像的图像特征，并根据所获取的图像特征，利用机器学习算法和预设的度量学习损失函数对所述第一优化模型进行模型训练，得到第二优化模型；精细学习子单元，其配置为根据所述证件/现场照图像训练集内每类样本图像对应的特征模板，以及该类样本图像对应的相似类别样本图像的特征模板，利用机器学习算法对所述第二优化模型进行模型训练。进一步地，本专利技术提供的一个优选技术方案为：所述精细学习子单元进一步配置为执行如下操作：基于所述第二优化模型，提取所述证件/现场照训练集内每个预设的图像类别对应的所有样本图像的特征向量，并将每个所述图像类别对应平均特征向量作为该图像类别的特征模板；利用K最近邻算法，并根据所述特征模板，获取每个所述图像类别的相似图像类别。进一步地，本专利技术提供的一个优选技术方案为：所述精细学习子单元进一步配置为执行如下操作：根据所述证件/现场照图像训练集内每类样本图像对应的特征模板，以及该类样本图像对应的相似类别样本图像的特征模板，利用批梯度下降法对所述第二优化模型进行模型训练。进一步地，本专利技术提供的一个优选技术方案为：所述人脸识别系统还包括图像预处理模块，该图像预处理模块配置为执行如下操作：检测图像中是否包含人脸，若包含人脸，则获取所述图像中的人脸关键点；根据所获取的人脸关键点对所述图像进行对齐和裁剪处理；其中，所述图像是所述证件照图像、现场照图像或所述训练集内的样本图像。与最接近的现有技术相比，上述技术方案至少具有如下有益效果：1、本专利技术中的基于证件照与现场照的人脸识别方法主要包括如下步骤：首先，获取目标体的证件照图像与现场照图像。然后，基于人脸识别模型，并根据证件照图像与现场照图像的图像特征，计算证件照图像与现场照图像的相似度。最后，根据相似度判断证件照图像与现场照图像是否相似。基于上述步骤，在对大规模的证件照与现场照进行比对时，基于相似度判断，可以快速完成人脸图像的比对工作。2、本专利技术中的基于证件照与现场照的人脸识别方法，可以采用三步式训练方法对人脸识别模型进行模型训练。具体地，首先根据常规图像训练集内样本图像的图像特征，对人脸识别模型进行模型训练，得到第一优化模型。然后，根据证件/现场照图像训练集内样本图像的图像特征，对第一优化模型进行模型训练，得到第二优化模型。最后，根据证件/现场照图像训练集内每类样本图像对应的特征模板，以及该类样本图像对应的相似类别样本图像的特征模板，对第二优化模型进行模型训练。通过上本文档来自技高网...

【技术保护点】
1.一种基于证件照与现场照的人脸识别方法，其特征在于包括：获取目标体的证件照图像与现场照图像；基于预先构建的人脸识别模型，并根据所获取的证件照图像与现场照图像的图像特征，计算所述证件照图像与现场照图像的相似度；根据所计算的相似度，判断所述证件照图像与现场照图像是否相似；其中，所述人脸识别模型是基于预设的训练集，并利用机器学习算法构建的图像分类模型。

【技术特征摘要】
1.一种基于证件照与现场照的人脸识别方法，其特征在于包括：获取目标体的证件照图像与现场照图像；基于预先构建的人脸识别模型，并根据所获取的证件照图像与现场照图像的图像特征，计算所述证件照图像与现场照图像的相似度；根据所计算的相似度，判断所述证件照图像与现场照图像是否相似；其中，所述人脸识别模型是基于预设的训练集，并利用机器学习算法构建的图像分类模型。2.根据权利要求1所述的基于证件照与现场照的人脸识别方法，其特征在于，所述训练集包括常规图像训练集和证件/现场照图像训练集；在“基于预先构建的人脸识别模型，并根据所获取的证件照图像与现场照图像的图像特征，计算所述证件照图像与现场照图像的相似度”的步骤之前，所述方法还包括：获取所述常规图像训练集内样本图像的图像特征，并根据所获取的图像特征，利用机器学习算法和预设的分类损失函数对人脸识别模型进行模型训练，得到第一优化模型；获取所述证件/现场照图像训练集内样本图像的图像特征，并根据所获取的图像特征，利用机器学习算法和预设的度量学习损失函数对所述第一优化模型进行模型训练，得到第二优化模型；根据所述证件/现场照图像训练集内每类样本图像对应的特征模板，以及该类样本图像对应的相似类别样本图像的特征模板，利用机器学习算法对所述第二优化模型进行模型训练。3.根据权利要求2所述的基于证件照与现场照的人脸识别方法，其特征在于，在“根据所述证件/现场照图像训练集内每类样本图像对应的特征模板，以及该类样本图像对应的相似类别样本图像的特征模板，利用机器学习算法对所述第二优化模型进行模型训练”的步骤之前，所述方法还包括：基于所述第二优化模型，提取所述证件/现场照训练集内每个预设的图像类别对应的所有样本图像的特征向量，并将每个所述图像类别对应平均特征向量作为该图像类别的特征模板；利用K最近邻算法，并根据所述特征模板，获取每个所述图像类别的相似图像类别。4.根据权利要求2所述的基于证件照与现场照的人脸识别方法，其特征在于，“根据所述证件/现场照图像训练集内每类样本图像对应的特征模板，以及该类样本图像对应的相似类别样本图像的特征模板，利用机器学习算法对所述第二优化模型进行模型训练”的步骤具体包括：根据所述证件/现场照图像训练集内每类样本图像对应的特征模板，以及该类样本图像对应的相似类别样本图像的特征模板，利用批梯度下降法对所述第二优化模型进行模型训练。5.根据权利要求1-4中任一项所述的基于证件照与现场照的人脸识别方法，其特征在于，在“基于预先构建的人脸识别模型，并根据所获取的证件照图像与现场照图像的图像特征，计算所述证件照图像与现场照图像的相似度”的步骤之前，所述方法还包括：检测图像中是否包含人脸，若包含人脸，...

【专利技术属性】
技术研发人员：雷震，朱翔昱，刘浩，李子青，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：北京,11