一种人脸识别方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术涉及图像识别领域，尤其涉及一种人脸识别方法、装置、计算机设备及存储介质，所述方法包括：获取待识别的人脸图像；利用深度神经网络模型对所述待识别的人脸图像进行识别，得到所述待识别人脸图像中的多种人脸特征信息；输出所述多种人脸特征信息。本发明专利技术通过卷积神经网络提取图像特征，具有较强的自学能力，鲁棒性强，使用轻量级网络提取图像特征，具有更好的泛化性和更快的识别速度，采用多任务学习的思想，底层卷积神经网络共享参数，上层网络独享特定参数，从而一个模型就能完成人脸身份、性别和年龄的识别任务，模型精简且效率高；将人脸身份识别中挖掘出的信息可在性别认识和年龄识别中继续使用，提升性别、年龄的识别精度。

【技术实现步骤摘要】
一种人脸识别方法、装置、计算机设备及存储介质
本专利技术涉及图像识别领域，尤其涉及一种人脸识别方法、装置、计算机设备及存储介质。
技术介绍
随着人脸识别技术的不断发展，其在安全领域的应用越来越广泛。近几年来开始出现人脸识别解锁，人脸考勤机，人脸识别门禁，刷脸支付等等应用，在一些对安全性能要求比较高的应用场合中，对人脸识别技术提出更高的要求，传统的人脸识别技术面临严峻的挑战。现有的人脸识别技术，一般都是通过神经网络对人脸信息进行识别后确定人脸对应的身份信息，进而进行人脸身份验证，而现有的神经网络都存在深度过深，对人脸速度识别较慢的问题，并且，现有技术对人脸进行识别时，都只能进行身份验证，不能完成其他信息的识别，适用性不强。由此可见，现有的人脸识别技术存在诸多问题，急需改进。
技术实现思路
基于此，有必要针对上述的问题，提供一种人脸识别方法、装置、计算机设备及存储介质。在其中一个实施例中，本专利技术提供了一种，所述方法包括如下步骤：获取待识别的人脸图像；利用深度神经网络模型对所述待识别的人脸图像进行识别，得到所述待识别人脸图像中的多种人脸特征信息；输出所述多种人脸特征信息。在其中一个实施例中本文档来自技高网...

【技术保护点】
1.一种人脸识别方法，其特征在于，所述方法包括：获取待识别的人脸图像；利用深度神经网络模型对所述待识别的人脸图像进行识别，得到所述待识别人脸图像中的多种人脸特征信息；输出所述多种人脸特征信息。

【技术特征摘要】
1.一种人脸识别方法，其特征在于，所述方法包括：获取待识别的人脸图像；利用深度神经网络模型对所述待识别的人脸图像进行识别，得到所述待识别人脸图像中的多种人脸特征信息；输出所述多种人脸特征信息。2.根据权利要求1所述的方法，其特征在于，所述利用深度神经网络模型对所述待识别的人脸图像进行识别，得到所述待识别人脸图像中的多种人脸特征信息之前，包括：对所述深度神经网络模型进行多轮训练，以使所述深度神经网络模型能够识别所述待识别人脸图像中的所述多个人脸特征信息。3.根据权利要求2所述的方法，其特征在于，所述对所述深度神经网络模型进行多轮训练之前，对数据集进行预处理，包括：对所述数据集中的样本图像中的五官特征点进行定位；对定位后的所述五官特征点进行仿射变换，实现样本图像的预对齐处理；将预对齐处理后的所述样本图像进行图像分割，得到人脸特征信息训练样本；其中，当所述数据集用于训练所述深度神经网络模型识别人脸年龄时，还需要对所述数据集内的样本图像以预设的年龄段标准进行分类，以形成人脸年龄训练样本。4.根据权利要求2所述的方法，其特征在于，所述对所述深度神经网络模型进行多轮训练，以使所述深度神经网络模型能够识别所述待识别人脸图像中的所述多个人脸特征信息，包括：采用第1种数据集训练所述深度神经网络模型，以使所述深度神经网络模型能够识别所述待识别的人脸图像中的第一人脸特征信息；采用第n种数据集训练已经经过n-1种数据集训练过的深度神经网络模型，以使所述深度神经网络模型在能够识别所述待识别的人脸图像中的第一人脸特征信息、至第n-1人脸特征信息的情况下，又能够识别所述待识别的人脸图像中的第n人脸特征信息...

【专利技术属性】
技术研发人员：宋彬，徐琛，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61