面部识别方法、装置、电子设备及计算机可读介质制造方法及图纸

本公开涉及一种面部特征识别方法、装置、电子设备及计算机可读介质。该方法包括：将待识别的面部图像与数据库中多个第一图片进行第一相似度比较，获取多个第一相似度；在多个第一相似度中的最大第一相似度位于第一相似度门限内时，提取多个第一相似度中的部分第一相似度；通过部分第一相似度对应的多个第一图片生成多个第二图片；将待识别的面部图像与多个第二图片进行第二相似度比较，获取多个第二相似度；以及根据所述多个第二相似度确定所述待识别的面部图像的面部特征识别结果。本公开涉及的面部特征识别方法、装置、电子设备及计算机可读介质，能够在海量数据的情况下快速准确的对人脸进行面部特征识别，输出识别结果。

Facial recognition methods, devices, electronic devices and computer readable media

The present disclosure relates to a facial feature recognition method, device, electronic device and computer readable medium. The method includes: comparing the face image to be recognized with multiple first pictures in the database to obtain multiple first similarities; extracting part of the first similarity of multiple first similarities when the maximum first similarity of multiple first similarities is within the first similarity threshold; generating multiple first pictures by corresponding part of the first similarity. A second picture; a second similarity comparison is made between the face image to be recognized and a plurality of second pictures to obtain a plurality of second similarities; and a face feature recognition result of the face image to be recognized is determined according to the plurality of second similarities. The face feature recognition method, device, electronic equipment and computer readable medium involved in the present disclosure can quickly and accurately recognize face features under the condition of massive data, and output recognition results.

【技术实现步骤摘要】
面部识别方法、装置、电子设备及计算机可读介质
本公开涉及计算机信息处理领域，具体而言，涉及一种面部识别方法、装置、电子设备及计算机可读介质。。
技术介绍
人脸识别技术是近年来出现的一种基于人的脸部特征信息进行身份识别的生物特征识别技术，也是目前在基于深度学习的人工智能技术应用最广泛的。与其他生物识别技术相比较，人脸识别具有友好、简便、准确、经济及可扩展性良好等众多优势，可广泛应用于安全验证、监控、出入口控制等多个方面，目前人脸识别技术已经应用到门禁考勤，访客管理，巡更等场所。在研究现有人脸识别的场景中，人脸识别至少存在如下问题：在自然场景下进行人脸识别时，在预设人脸特征库包含的人脸特征数量较大时(如百万人脸库)，受到采集人脸图的光照，分辨率，模糊，角度等因素影响，由于人脸特征比对的样本空间范围较大，出现人脸特征相似度很高可能性就增大，因此，在实际的人脸识别过程中会出现识别精确率下降的问题因此，需要一种新的面部识别方法、装置、电子设备及计算机可读介质。在所述
技术介绍
部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
有鉴于此，本公开提供一种面部识别方法、装置、电子设备及计算机可读介质，能够在海量数据的情况下快速准确的对人脸进行面部特征识别，输出识别结果。本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。根据本公开的一方面，提出一种面部识别方法，该方法包括：将待识别的面部图像与数据库中多个第一图片进行第一相似度比较，获取多个第一相似度；在多个第一相似度中的最大第一相似度位于第一相似度门限内时，提取多个第一相似度中的部分第一相似度；通过部分第一相似度对应的多个第一图片确定多个第二图片；将待识别的面部图像与多个第二图片进行第二相似度比较，获取多个第二相似度；以及根据所述多个第二相似度确定所述待识别的面部图像的面部特征识别结果。根据本公开的一方面，提出一种面部识别装置，该装置包括：第一比较模块，用于将待识别的面部图像与数据库中多个第一图片进行第一相似度比较，获取多个第一相似度；门限模块，用于在多个第一相似度中的最大第一相似度位于第一相似度门限内时，提取多个第一相似度中的部分第一相似度；第二图片生成模块，用于通过部分第一相似度对应的多个第一图片确定多个第二图片；第二比较模块，用于将待识别的面部图像与多个第二图片进行第二相似度比较，获取多个第二相似度；以及第一结果模块，用于根据所述多个第二相似度确定所述待识别的面部图像的面部特征识别结果。根据本公开的一方面，提出一种电子设备，该电子设备包括：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上文的方法。根据本公开的一方面，提出一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上文中的方法。根据本公开的面部识别方法、装置、电子设备及计算机可读介质，能够在海量数据的情况下快速准确的对人脸进行面部特征识别，输出识别结果。应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。附图说明通过参照附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是根据一示例性实施例示出的一种面部识别方法的流程图。图2是根据另一示例性实施例示出的一种面部识别方法的流程图。图3是根据另一示例性实施例示出的一种面部识别方法的流程图。图4是根据另一示例性实施例示出的一种面部识别方法的流程图。图5是根据另一示例性实施例示出的一种面部识别方法的流程图。图6是根据一示例性实施例示出的一种面部识别装置的框图。图7是根据另一示例性实施例示出的一种面部识别装置的框图。图8是根据一示例性实施例示出的一种电子设备的框图。图9是根据一示例性实施例示出一种计算机可读存储介质示意图。具体实施方式现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。应理解，虽然本文中可能使用术语第一、第二、第三等来描述各种组件，但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此，下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文中所使用，术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。本领域技术人员可以理解，附图只是示例实施例的示意图，附图中的模块或流程并不一定是实施本公开所必须的，因此不能用于限制本公开的保护范围。本申请的专利技术人发现，人脸识别技术中被广泛采用的区域特征分析算法，采用深度学习技术从视频和照片中提取人像特征点，利用生物统计学的原理进行分析建立数学模型，即人脸特征模板。利用已建成的人脸特征模板与被测者的人的面像进行特征分析，根据分析的结果来给出一个相似度值，最终搜索到最佳匹配人脸特征模板，并因此确定一个人的身份信息。具体可例如，将提取的人脸特征数据与数据库中储存的特征模板进行搜索匹配，设定一个最佳的相似度阈值，当相似度超过该阈值，则输出匹配后的结果。目前，最佳相似度阈值的决定需要考虑到输出结果的正确率和数量。假设1000张样本图片里，共600张正样本。相似度为0.9的图片一共100张，其中正样本为99张。虽然0.9阈值的正确率很高，为99/100；但是0.9阈值正确输出的数量确很少，只有99/600，在这种情况下在面部特征识别时很容易发生漏识的情况。其中，精确率(precision)：识别为正确的样本数/识别出来的样本数＝99/100；召回率(recall)：识别为正确的样本数/所有样本中正确的数＝99/600。有鉴于此，本申请提出了一种面部识别方法，在面部特征识别的技术上，附加年龄和性别的属性识别，能够在海量数据搜索场景下的显著提升人脸识别正确率。本申请提出的面部识别方法，可设置与远端服务器上(例本文档来自技高网...

【技术保护点】
1.一种面部识别方法，其特征在于，包括：将待识别的面部图像与数据库中多个第一图片进行第一相似度比较，获取多个第一相似度；在多个第一相似度中的最大第一相似度位于第一相似度门限内时，提取多个第一相似度中的部分第一相似度；提取与部分第一相似度中每一个第一相似度对应的第一图片，以生成多个第二图片；将待识别的面部图像与多个第二图片进行第二相似度比较，获取多个第二相似度；以及根据所述多个第二相似度确定所述待识别的面部图像的面部特征识别结果。

【技术特征摘要】
1.一种面部识别方法，其特征在于，包括：将待识别的面部图像与数据库中多个第一图片进行第一相似度比较，获取多个第一相似度；在多个第一相似度中的最大第一相似度位于第一相似度门限内时，提取多个第一相似度中的部分第一相似度；提取与部分第一相似度中每一个第一相似度对应的第一图片，以生成多个第二图片；将待识别的面部图像与多个第二图片进行第二相似度比较，获取多个第二相似度；以及根据所述多个第二相似度确定所述待识别的面部图像的面部特征识别结果。2.如权利要求1所述的方法，其特征在于，还包括：在多个第一相似度中的最大第一相似度大于第一相似度门限时，将最大的第一相似度对应的第一图片作为所述待识别面部图像的识别结果。3.如权利要求2所述的方法，其特征在于，还包括：根据所述识别结果确定待识别面部图像在数据库中对应的用户标识；根据所述用户标识在所述数据库中对应的第一图片数量确定后续处理方式。4.如权利要求1所述的方法，其特征在于，将待识别的面部图像与数据库中多个第一图片进行第一相似度比较，获取多个第一相似度包括：将待识别的面部图像与云端数据库中多个第一图片进行第一相似度比较，获取多个第一相似度。5.如权利要求3所述的方法，其特征在于，根据所述用户标识在所述数据库中对应的第一图片数量确定后续处理方式包括：根据所述用户标识在所述数据库中对应的第一图片数量将所述待识别的面部图像添加至所述数据库；或根据所述用户标识在所述数据库中对应的第一图片数量用所述待识别的面部图像更新所述数据库内的第一图像。6.如权利要求1所述的方法，其特征在于，第一相似度比较为面部特征比较，将待识别的面部图像与数据库中多个第一图片进行第一相似度比较，获取多个第一相似度包括：提取待识别的面部图像的特征点；将所述特征点与数据库中多个第一图片的特征点进行特征比对；以及根据比对结果获取所述多个第一相似度。7.如权利要求1所述的方法，其特征在于，提取多个第一相似度中的部分第一相似度包括：提取多个第一相似度中的所有在所述第一相似度门限内的第一相似度。8.如权利要求1所述的方法，其特征在于，通过部分第一相似度对应的多个第一图片确定多个第二图片包括：确定部分第一相似度对应的多个第一图片在数据库中对应的用户标识；将具有相同用户标识的第一图片进行合并；以及根据合并结果生成多个第二图片以及对应的多个第一相似度。9.如权利要求8所述的方法，其特征在于，根据合并结果生成多个第二图片以及对应的多个第一相似度包括：将具有相同用户标识的多个第一图片对应的多个第一相似度进行权重累加...

【专利技术属性】
技术研发人员：张站朝，
申请(专利权)人：深圳前海达闼云端智能科技有限公司，
类型：发明
国别省市：广东,44