用于识别人脸的方法和装置制造方法及图纸

本申请实施例公开了用于识别人脸的方法和装置。该方法的一具体实施方式包括：获取第一人脸图像和第二人脸图像，其中，第一人脸图像和第二人脸图像分别是采用第一相机类型的相机和第二相机类型的相机拍摄待识别人脸所得到的图像；将第一人脸图像和第二人脸图像分别输入预先训练的特征提取模型，得到第一特征向量和第二特征向量，其中，特征提取模型用于提取图像特征；融合第一特征向量和第二特征向量，得到融合特征向量；根据融合特征向量与预设人脸特征库中各特征向量之间的距离，确定与待识别人脸对应的用户标识，其中，人脸特征库用于表征特征向量与用户标识之间的对应关系。该实施方式实现了提高了人脸识别的准确率。

Method and device for recognizing face

The embodiment of the application discloses a method and an apparatus for identifying faces. A specific embodiment of the method includes: acquiring a first face image and a second face image, wherein the first face image and the second face image are images obtained by taking a face to be recognized with a camera of the first camera type and a camera of the second camera type, respectively, and dividing the first face image and the second face image into two parts. Do not input the pre-trained feature extraction model, get the first feature vector and the second feature vector, in which the feature extraction model is used to extract image features; fuse the first feature vector and the second feature vector, get the fusion feature vector; according to the fusion feature vector and the preset face feature database between the feature vectors. Distance is used to determine the user identity corresponding to the face to be recognized. The face feature library is used to represent the corresponding relationship between the feature vector and the user identity. The implementation method improves the accuracy of face recognition.

【技术实现步骤摘要】
用于识别人脸的方法和装置
本申请实施例涉及计算机
，具体涉及计算机视觉
，尤其涉及用于识别人脸的方法和装置。
技术介绍
在人脸识别中，大都采用可见光照片来进行人脸识别。然而，在光线不好的情况下，如果仅仅依靠可见光照片来进行人脸识别，可能会造成人脸识别的识别率较低或者识别失败。
技术实现思路
本申请实施例提出了用于识别人脸的方法和装置。第一方面，本申请实施例提供了一种用于识别人脸的方法，该方法包括：获取第一人脸图像和第二人脸图像，其中，第一人脸图像和第二人脸图像分别是采用第一相机类型的相机和第二相机类型的相机拍摄待识别人脸所得到的图像；将第一人脸图像和第二人脸图像分别输入预先训练的特征提取模型，得到第一特征向量和第二特征向量，其中，特征提取模型用于提取图像特征；融合第一特征向量和第二特征向量，得到融合特征向量；根据融合特征向量与预设人脸特征库中各特征向量之间的距离，确定与待识别人脸对应的用户标识，其中，人脸特征库用于表征特征向量与用户标识之间的对应关系。在一些实施例中，融合第一特征向量和第二特征向量，得到融合特征向量，包括：将第一特征向量和第二特征向量输入预设双线性模型，得到融合特征向量。在一些实施例中，融合第一特征向量和第二特征向量，得到融合特征向量，包括：拼接第一特征向量和第二特征向量，得到融合特征向量。在一些实施例中，特征提取模型为卷积神经网络。在一些实施例中，根据融合特征向量与预设人脸特征库中各特征向量之间的距离，确定与待识别人脸对应的用户标识，包括：将预设人脸特征库中与融合特征向量的距离最小的特征向量确定为第三特征向量；响应于确定第三特征向量与融合特征向量之间的距离小于预设距离阈值，将人脸特征库中与第三特征向量对应的用户标识确定为与待识别人脸对应的用户标识。在一些实施例中，根据融合特征向量与预设人脸特征库中各特征向量之间的距离，确定与待识别人脸对应的用户标识，还包括：响应于确定第三特征向量与融合特征向量之间的距离不小于预设距离阈值，生成用于指示识别待识别人脸失败的失败提示信息。第二方面，本申请实施例提供了一种用于识别人脸的装置，该装置包括：获取单元，配置用于获取第一人脸图像和第二人脸图像，其中，第一人脸图像和第二人脸图像分别是采用第一相机类型的相机和第二相机类型的相机拍摄待识别人脸所得到的图像；输入单元，配置用于将第一人脸图像和第二人脸图像分别输入预先训练的特征提取模型，得到第一特征向量和第二特征向量，其中，特征提取模型用于提取图像特征；融合单元，配置用于融合第一特征向量和第二特征向量，得到融合特征向量；识别单元，配置用于根据融合特征向量与预设人脸特征库中各特征向量之间的距离，确定与待识别人脸对应的用户标识，其中，人脸特征库用于表征特征向量与用户标识之间的对应关系。在一些实施例中，融合单元进一步用于：将第一特征向量和第二特征向量输入预设双线性模型，得到融合特征向量。在一些实施例中，融合单元进一步用于：拼接第一特征向量和第二特征向量，得到融合特征向量。在一些实施例中，特征提取模型为卷积神经网络。在一些实施例中，识别单元包括：第一确定模块，配置用于将预设人脸特征库中与融合特征向量的距离最小的特征向量确定为第三特征向量；第二确定模块，配置用于响应于确定第三特征向量与融合特征向量之间的距离小于预设距离阈值，将人脸特征库中与第三特征向量对应的用户标识确定为与待识别人脸对应的用户标识。在一些实施例中，识别单元还包括：第三确定模块，配置用于响应于确定第三特征向量与融合特征向量之间的距离不小于预设距离阈值，生成用于指示识别待识别人脸失败的失败提示信息。第三方面，本申请实施例提供了一种电子设备，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，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。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，其中，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。本申请实施例提供的用于识别人脸的方法和装置，通过融合两种类型的相机采集的人脸图像的特征，得到融合特征，再根据融合特征与预设人脸特征库中各特征之间的距离进行人脸识别。由于融合了两种类型的相机采集的人脸图像特征，不再单纯使用可见光图像来进行人脸识别，从而提高了人脸识别的准确率。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1是本申请可以应用于其中的示例性系统架构图；图2是根据本申请的用于识别人脸的方法的一个实施例的流程图；图3是根据本申请的用于生成人脸特征库的注册步骤的一个实施例的流程图；图4是根据本申请的用于识别人脸的方法的又一个实施例的流程图；图5是根据本申请的用于识别人脸的装置的一个实施例的结构示意图；图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。图1示出了可以应用本申请的用于识别人脸的方法或用于识别人脸的装置的实施例的示例性系统架构100。如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如深度图像采集类应用、红外图像采集类应用、可见光图像采集类应用、图像处理类应用、人脸识别类应用、搜索类应用等。终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供深度图像采集服务)，也可以实现成单个软件或软件模块。在此不做具体限定。服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上传的第一人脸图像和第二人脸图像进行人脸识别的人脸识别服务器。人脸识别服务器可以对接收到的第一人脸图像和第二人脸图像等数据进行分析等处理，并将处理结果(例如，用户标识)反馈给终端设备。需要说明的是，本申请实施例所提供的用于识别人脸的方法一般由服务器105执行，相应地，用于识别人脸的装置一般设置于服务器105中。需要指出的是，服务器105的本地也可以直接存储第一人脸图像和第二人脸图像，服务器105可以直接提取本地的第一人脸图像和第二人脸图像进行人脸识别，此时，示例性系统架本文档来自技高网...

【技术保护点】
1.一种用于识别人脸的方法，包括：获取第一人脸图像和第二人脸图像，其中，所述第一人脸图像和所述第二人脸图像分别是采用第一相机类型的相机和第二相机类型的相机拍摄待识别人脸所得到的图像；将所述第一人脸图像和所述第二人脸图像分别输入预先训练的特征提取模型，得到第一特征向量和第二特征向量，其中，所述特征提取模型用于提取图像特征；融合所述第一特征向量和所述第二特征向量，得到融合特征向量；根据所述融合特征向量与预设人脸特征库中各特征向量之间的距离，确定与所述待识别人脸对应的用户标识，其中，所述人脸特征库用于表征特征向量与用户标识之间的对应关系。

【技术特征摘要】
1.一种用于识别人脸的方法，包括：获取第一人脸图像和第二人脸图像，其中，所述第一人脸图像和所述第二人脸图像分别是采用第一相机类型的相机和第二相机类型的相机拍摄待识别人脸所得到的图像；将所述第一人脸图像和所述第二人脸图像分别输入预先训练的特征提取模型，得到第一特征向量和第二特征向量，其中，所述特征提取模型用于提取图像特征；融合所述第一特征向量和所述第二特征向量，得到融合特征向量；根据所述融合特征向量与预设人脸特征库中各特征向量之间的距离，确定与所述待识别人脸对应的用户标识，其中，所述人脸特征库用于表征特征向量与用户标识之间的对应关系。2.根据权利要求1所述的方法，其中，所述融合所述第一特征向量和所述第二特征向量，得到融合特征向量，包括：将所述第一特征向量和所述第二特征向量输入预设双线性模型，得到所述融合特征向量。3.根据权利要求1所述的方法，其中，所述融合所述第一特征向量和所述第二特征向量，得到融合特征向量，包括：拼接所述第一特征向量和所述第二特征向量，得到所述融合特征向量。4.根据权利要求1所述的方法，其中，所述特征提取模型为卷积神经网络。5.根据权利要求1所述的方法，其中，所述根据所述融合特征向量与预设人脸特征库中各特征向量之间的距离，确定与所述待识别人脸对应的用户标识，包括：将所述预设人脸特征库中与所述融合特征向量的距离最小的特征向量确定为第三特征向量；响应于确定所述第三特征向量与所述融合特征向量之间的距离小于预设距离阈值，将所述人脸特征库中与所述第三特征向量对应的用户标识确定为与所述待识别人脸对应的用户标识。6.根据权利要求5所述的方法，其中，所述根据所述融合特征向量与预设人脸特征库中各特征向量之间的距离，确定与所述待识别人脸对应的用户标识，还包括：响应于确定所述第三特征向量与所述融合特征向量之间的距离不小于所述预设距离阈值，生成用于指示识别所述待识别人脸失败的失败提示信息。7.一种用于识别人脸的装置，包括：获取单元，配置用于获取第一人脸图像和第二人脸图像，其中，所...

【专利技术属性】
技术研发人员：何涛，刘文献，
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