人脸识别方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例提供了一种人脸识别方法、装置、电子设备及存储介质，该方法和装置具体用于接收包含待识别的人脸图像的影像资料，对影像资料进行人脸检测，得到人脸图像，然后依次对人脸图像进行姿态对齐处理和像素值对齐处理，然后利用预先训练的人脸特征提取模型将经过像素值对齐处理后的人脸图像进行特征提取，得到人脸图像的人脸特征，最后计算人脸特征与待比对人脸图像的特征的余弦距离，根据余弦距离得到人脸识别结果。本方案通过像素值对齐的过程，增强了人脸图像的对比度，简化了人脸图像的数据分布，使人脸特征提取模型收敛更好，特别是对光照不均匀的人脸图像的特征提取更加鲁邦，解决了困难场景下的人脸识别问题。

【技术实现步骤摘要】
人脸识别方法、装置、电子设备及存储介质
本公开涉及图像处理
，尤其涉及一种人脸识别方法、装置、电子设备及存储介质。
技术介绍
随着深度学习技术的发展，人脸识别的准确率得到越来越高的提升，在很多场景中都应用到了人脸识别技术。一般来说，人脸识别过程分为三个步骤，人脸检测、人脸对齐、人脸特征提取与比对，人脸检测主要是从大的图片中检测到人脸的位置，人脸对齐主要是对人脸的姿态进行校准，人脸特征提取与比对是对人脸进行结构化，使同一个人的人脸特征距离尽量小，不同人的人脸特征距离尽量大。在一些极端场景下，人脸识别的准确度仍然有待优化，比如光照不均衡导致的人脸过暗或过亮以及人脸角度过大等困难场景下。这一问题的产生主要是因为训练样本数据相对比较少，使其在调整模型参数的过程中，发挥不了作用。针训练数据少的问题，目前主要采用增加训练样本的多样性，增加不同光照、不对比度、不同角度情况下的人脸图像，使训练出来的模型对这样的样本图像更加鲁邦。然而，当前只是在统计上增加了图像的多样性，这在统计意义下会使人脸识别的准确率有所提升，但是针对困难场景下的人脸识别并没有明确的解决方案。
技术实现思路
为克服相关技术中存在本文档来自技高网...

【技术保护点】
1.一种人脸识别方法，其特征在于，包括：接收包含待识别的人脸图像的影像资料；对所述影像资料进行人脸检测，得到所述人脸图像；对所述人脸图像进行姿态对齐处理；将经过姿态对齐处理后的所述人脸图像进行像素值对齐处理；利用预先训练的人脸特征提取模型将经过像素值对齐处理后的所述人脸图像进行特征提取，得到所述人脸图像的人脸特征；计算所述人脸特征与待比对人脸图像的特征的余弦距离，根据所述余弦距离得到人脸识别结果。

【技术特征摘要】
1.一种人脸识别方法，其特征在于，包括：接收包含待识别的人脸图像的影像资料；对所述影像资料进行人脸检测，得到所述人脸图像；对所述人脸图像进行姿态对齐处理；将经过姿态对齐处理后的所述人脸图像进行像素值对齐处理；利用预先训练的人脸特征提取模型将经过像素值对齐处理后的所述人脸图像进行特征提取，得到所述人脸图像的人脸特征；计算所述人脸特征与待比对人脸图像的特征的余弦距离，根据所述余弦距离得到人脸识别结果。2.如权利要求1所述的人脸识别方法，其特征在于，所述将经过人脸姿态对齐处理的所述人脸图像进行像素值对齐处理，包括：利用直方图均衡方法对所述人脸图像进行像素值对其处理。3.如权利要求1所述的人脸识别方法，其特征在于，所述利用预先训练的人脸特征提取模型将经过像素值对齐处理后的所述人脸图像进行特征提取，包括：将所述人脸图像输入所述人脸特征提取模型进行特征提取，并将所述人脸特征提取模型的倒数第二层的输出值输出为所述人脸特征。4.如权利要求1所述的人脸识别方法，其特征在于，还包括：获取包括人脸图像的多个影像；对所述多个影像进行人脸提取，得到人脸样本集；对所述人脸样本集中的每个样本进行姿态对齐处理；对经过姿态对齐处理的每个所述样本进行直方图均衡处理；利用经过直方图均衡处理的所述人脸样本集进行模型训练，得到所述人脸特征提取模型。5.如权利要求4所述的人脸识别方法，其特征在于，还包括：利用随机...

【专利技术属性】
技术研发人员：杨帆，张超，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：北京,11