一种人脸识别方法及人脸识别设备技术

本发明专利技术实施例公开了一种人脸识别方法及人脸识别设备，用于提高戴眼镜用户在进行人脸识别时的准确率。本发明专利技术实施例方法包括：获取第一人脸图像的图像特征，所述第一人脸图像为戴眼镜用户完整的人脸图像；获取第二人脸图像的图像特征；获取第三人脸图像的图像特征；根据所述第一人脸图像的图像特征、所述第二人脸图像的图像特征以及所述第三人脸图像的图像特征确定目标图像特征；根据所述目标图像特征生成低维图像特征；根据所述低维图像特征对所述戴眼镜用户进行人脸识别。

Face recognition method and face recognition device

The embodiment of the invention discloses a face recognition method and a face recognition device, which is used to improve the accuracy rate of wearing glasses in face recognition. The embodiment of the method includes: obtaining the first image feature of face image, the first face image for face images with glasses users complete; image features obtaining second face image; image features obtaining third face image; according to the target image features determine the features of the image features, the first face image of the second face image and image features of the third face image; according to the characteristics of the image of the target to generate low dimensional image features; based on the low dimensional image features for face of the glasses user identification.

【技术实现步骤摘要】
一种人脸识别方法及人脸识别设备
本专利技术涉及通信领域，尤其涉及一种人脸识别方法及人脸识别设备。
技术介绍
人脸识别产品已广泛应用于金融、司法、军队、公安、边检、政府、航天、电力、工厂、教育、医疗及众多企事业单位等领域。随着技术的进一步成熟和社会认同度的提高，人脸识别技术将应用在更多的领域。现有的人脸识别设备是通过采集面部的图像特征来进行人脸识别，具体步骤包括：采集靠近人脸识别设备的戴眼镜的用户人脸图像；对采集到人脸图像进行图像特征提取；利用这些图像特征，对戴眼镜用户进行登记，再比对或识别。但是由于戴眼镜的用户越来越多，由于眼镜会遮挡住面部，特别是眼睛周围的特征点，这部分特征在识别过程中所占权重比较大，导致人脸识别设备对戴眼镜的用户在识别时的准确率较低。
技术实现思路
本专利技术实施例提供了一种人脸识别方法及人脸识别设备，用于提高戴眼镜用户在进行人脸识别时的准确率。本专利技术实施例第一方面提供了一种人脸识别方法，具体包括：获取第一人脸图像的图像特征，所述第一人脸图像为戴眼镜用户完整的人脸图像；获取第二人脸图像的图像特征，所述第二人脸图像为所述戴眼镜用户在眼镜以下的人脸的第一部分人脸的图像，所述第一部分人脸的图像为所述戴眼镜用户在眼镜以下的人脸的图像的左脸图像；获取第三人脸图像的图像特征，所述第三人脸图像为所述戴眼镜用户在眼镜以下的人脸的第二部分人脸的图像，所述第二部分人脸的图像为所述戴眼镜用户在眼镜以下的人脸的图像的右脸图像；根据所述第一人脸图像的图像特征、所述第二人脸图像的图像特征以及所述第三人脸图像的图像特征确定目标图像特征；根据所述目标图像特征生成低维图像特征；根据所述低维图像特征对所述戴眼镜用户进行人脸识别。结合第一方面，在第一方面的第一种可能的实现方式中，人脸识别设备在需要获取到第一人脸的图像特征时，可以通过预置的第一卷积神经网络模块提取第一人脸的图像特征。结合第一方面，在第一方面的第二种可能的实现方式中，人脸识别设备可以通过预置的第二卷积神经网络模块对第一人脸图像的图像特征、第二人脸的图像特征以及第三人脸图像的图像特征进行图像特征串联确定目标图像特征。结合第一方面，在第一方面的第三种可能的实现方式中，当人脸识别设备在需要根据目标图像特征生成低维图像特征时，可以提取目标图像特征的高维度特征，选取高维度特征中的目标子集特征作为低维图像特征，该目标子集特征包含于高维度特征。结合第一方面，在第一方面的第四种可能的实现方式中，当人脸识别设备在需要根据目标特征生成低维图像特征时，可以将目标图像特征中的高维度特征经过预置函数映射至低维度得到低维图像特征。本专利技术实施例第二方面提供了一种人脸识别设备，具体包括：第一获取模块，用于获取第一人脸图像的图像特征，所述第一人脸图像为戴眼镜用户完整的人脸图像；第二获取模块，用于获取第二人脸图像的图像特征，所述第二人脸图像为所述戴眼镜用户在眼镜以下的人脸的第一部分人脸的图像，所述第一部分人脸的图像为所述戴眼镜用户在眼镜以下的人脸的图像的左脸图像；第三获取模块，用于获取第三人脸图像的图像特征，所述第三人脸图像为所述戴眼镜用户在眼镜以下的人脸的第二部分人脸的图像，所述第二部分人脸的图像为所述戴眼镜用户在眼镜以下的人脸的图像的右脸图像；第四获取模块，用于根据所述第一人脸图像的图像特征、所述第二人脸图像的图像特征以及所述第三人脸图像的图像特征确定目标图像特征；生成模块，用于根据所述目标图像特征生成低维图像特征；识别模块，用于根据所述低维图像特征对所述戴眼镜用户进行人脸识别。本专利技术实施例第三方面提供了一种人脸识别设备，包括：中央处理器、存储器、存储介质、电源、无线网络接口以及输入输出接口；通过调用所述存储器或存储介质上存储的操作指令，所述中央处理器，用于执行如下步骤：获取第一人脸图像的图像特征，所述第一人脸图像为戴眼镜用户完整的人脸图像；获取第二人脸图像的图像特征，所述第二人脸图像为所述戴眼镜用户在眼镜以下的人脸的第一部分人脸的图像，所述第一部分人脸的图像为所述戴眼镜用户在眼镜以下的人脸的图像的左脸图像；获取第三人脸图像的图像特征，所述第三人脸图像为所述戴眼镜用户在眼镜以下的人脸的第二部分人脸的图像，所述第二部分人脸的图像为所述戴眼镜用户在眼镜以下的人脸的图像的右脸图像；根据所述第一人脸图像的图像特征、所述第二人脸图像的图像特征以及所述第三人脸图像的图像特征确定目标图像特征；根据所述目标图像特征生成低维图像特征；根据所述低维图像特征对所述戴眼镜用户进行人脸识别。从以上技术方案可以看出，本专利技术实施例具有以下优点：获取第一人脸图像的第一图像特征，获取第二人脸图像的第二图像特征，获取第三人脸图像的第三图像特征，根据所述第一图像特征、所述第二图像特征以及所述第三图像特征确定目标特征；根据所述目标特征生成低维特征；根据低维特征对戴眼睛用户进行人脸识别。由此可见，采集的图像特征是用户整个人脸的图像特征以及戴眼镜部分以下的人脸图像特征，通过对着三个人脸图像进行特征提取，且将提取的特征生成低维特征并保存，由于是分别提取了整个面部特征以及戴眼镜部分以下的面部特征，可以提高戴眼镜用户在识别时的准确率。附图说明图1为本专利技术实施例中人脸识别方法的一个实施例示意图；图2为本专利技术实施例中人脸识别方法的另一实施例示意图；图3为本专利技术实施例中人脸识别设备的一个结构示意图；图4为本专利技术实施例中人脸识别设备的另一结构示意图；图5为本专利技术实施例中人脸识别设备的结构示意图。具体实施方式本专利技术实施例提供了一种人脸识别方法及人脸识别设备，用于提高戴眼镜用户在进行人脸识别时的准确率。本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。请参阅图1，本专利技术实施例中人脸识别方法的一个实施例包括：101、获取第一人脸图像的图像特征。本实施例中，当戴眼镜用户需要进行人脸识别或者登记时，人脸识别设备可以获取戴眼镜用户的第一人脸图像的图像特征，该第一人脸图像为戴眼镜用户完整的人脸图像，包括戴眼镜用户的全部人脸图像，即戴眼镜用户的头部以及肩部的图像。102、获取第二人脸图像的图像特征。本实施例中，人脸识别设备可以获取到戴眼镜用户的第二人脸的图像特征，该第二人脸图像为戴眼镜用户在眼镜以下的人脸的第一部分人脸的图像，该第一部分人脸的图像为戴眼镜用户在眼镜以下的人脸图像的左脸图像，该左脸图像占戴眼镜用户在眼镜以下人脸图像的比例为预设数值，也就是说，该左脸图像可以占戴眼镜用户在眼镜以下人脸图像的1/2，也可以为1/3或其他数值，具体此处不作限定。103、获取第三人脸图像的图像特征。本实施例中，人脸识别设备可以获取到戴眼镜用户的第三人脸的图像特征，该第三人脸图像为戴眼镜用户在眼镜以下的人脸的第二部分本文档来自技高网...

【技术保护点】
一种人脸识别方法，其特征在于，包括：获取第一人脸图像的图像特征，所述第一人脸图像为戴眼镜用户完整的人脸图像；获取第二人脸图像的图像特征，所述第二人脸图像为所述戴眼镜用户在眼镜以下的人脸的第一部分人脸的图像，所述第一部分人脸的图像为所述戴眼镜用户在眼镜以下的人脸图像的左脸图像；获取第三人脸图像的图像特征，所述第三人脸图像为所述戴眼镜用户在眼镜以下的人脸的第二部分人脸的图像，所述第二部分人脸的图像为所述戴眼镜用户在眼镜以下的人脸图像的右脸图像；根据所述第一人脸图像的图像特征、所述第二人脸图像的图像特征以及所述第三人脸图像的图像特征获取目标图像特征；根据所述目标图像特征生成低维图像特征；根据所述低维图像特征对所述戴眼镜用户进行人脸识别。

【技术特征摘要】
1.一种人脸识别方法，其特征在于，包括：获取第一人脸图像的图像特征，所述第一人脸图像为戴眼镜用户完整的人脸图像；获取第二人脸图像的图像特征，所述第二人脸图像为所述戴眼镜用户在眼镜以下的人脸的第一部分人脸的图像，所述第一部分人脸的图像为所述戴眼镜用户在眼镜以下的人脸图像的左脸图像；获取第三人脸图像的图像特征，所述第三人脸图像为所述戴眼镜用户在眼镜以下的人脸的第二部分人脸的图像，所述第二部分人脸的图像为所述戴眼镜用户在眼镜以下的人脸图像的右脸图像；根据所述第一人脸图像的图像特征、所述第二人脸图像的图像特征以及所述第三人脸图像的图像特征获取目标图像特征；根据所述目标图像特征生成低维图像特征；根据所述低维图像特征对所述戴眼镜用户进行人脸识别。2.根据权利要求1所述的人脸识别方法，其特征在于，所述获取第一人脸图像的图像特征包括：通过预置的第一卷积神经网络模块提取所述第一人脸图像的图像特征。3.根据权利要求1所述的人脸识别方法，其特征在于，所述根据所述第一人脸图像的图像特征、所述第二人脸图像的图像特征以及所述第三人脸图像的图像特征获取目标图像特征包括：通过预置的第二卷积神经网络模块对所述第一人脸图像的图像特征、所述第二人脸图像的图像特征以及所述第三人脸图像的图像特征进行图像特征串联得到所述目标图像特征。4.根据权利要求1所述的人脸识别方法，其特征在于，所述根据所述目标图像特征生成低维图像特征包括：提取所述目标图像特征中的高维度特征；选取所述高维度特征中的目标子集特征作为所述低维图像特征，所述目标子集特征包含于所述高维度特征。5.根据权利要求1所述的人脸识别方法，其特征在于，所述根据所述目标图像特征生成低维图像特征包括：将所述目标图像特征中的高维度特征经过预置函数映射至低维度得到所述低维图像特征。6.一种人脸识别设备，其特征在于，包括：第一获取模块，用于获取第一人脸图像的图像特征，所述第一人脸图像为戴眼镜用户完整的人脸图像；第二获取模块，用于获取第二人脸图像的图像特征，所述第二人脸图像为所述戴眼镜用户在眼镜以下的人脸的第一部分人脸的图像，所述第一部分人脸的图像为所述戴眼镜用户在眼镜以下的人脸的图像的左脸图像；第三获取模块，用于获取第三人脸图像的图像特征，所述第三人脸图像为所述戴眼镜用户在眼镜以下的人脸...

【专利技术属性】
技术研发人员：陈书楷，杨奇，
申请(专利权)人：厦门中控生物识别信息技术有限公司，
类型：发明
国别省市：福建,35