一种人脸识别方法、装置、设备及可读存储介质制造方法及图纸

本发明专利技术公开了一种人脸识别方法，该方法包括以下步骤：获取待识别人员的人脸图像，将人脸图像输入至目标网络模型中，获得人脸的目标群类别标签和特征数据；从数据库中读取具有目标群类别标签且已标记人员身份信息的人脸图像特征数据；将特征数据与人脸图像特征数据进行比对，并根据比对结果确定待识别人员的身份信息。该方法可减少比对次数，缩短比对时长，进一步提升人脸识别效率。本发明专利技术还公开了一种人脸识别装置、设备及可读存储介质，具有相应的技术效果。

【技术实现步骤摘要】
一种人脸识别方法、装置、设备及可读存储介质
本专利技术涉及计算机视觉
，特别是涉及一种人脸识别方法、装置、设备及可读存储介质。
技术介绍
视频监控正在快速普及，众多的视频监控应用迫切需要一种远距离、用户非配合状态下的快速身份识别技术，以求远距离快速确认人员身份，实现智能预警。人脸识别技术无疑是最佳的选择，采用人脸检测技术可以从监控视频图像中实时查找人脸，并与人脸数据库进行实时比对，从而实现快速身份识别。目前在控制和配合条件下，人脸识别可以取得比较高的识别率。但是，在监控场景下，由于运动、光照、姿态等巨大变化和清晰度低下等影响，识别率急剧下降！同时人员卡口分析系统中存储的是大规模的人脸数据库，所以为了达到实时的身份识别，对人脸的比对速度有了更严格的要求。综上所述，如何有效地提升人脸识别过程中的比对速度等问题，是目前本领域技术人员急需解决的技术问题。
技术实现思路
本专利技术的目的是提供一种人脸识别方法、装置、设备及可读存储介质，以提高人脸识别过程中的比对速度，进一步加快人脸识别速度。为解决上述技术问题，本专利技术提供如下技术方案：一种人脸识别方法，包括：获取待识别人员的人脸图像，将所述人脸图像输入至目标网络模型中，获得所述人脸的目标群类别标签和特征数据；从数据库中读取具有所述目标群类别标签且已标记人员身份信息的人脸图像特征数据；将所述特征数据与所述人脸图像特征数据进行比对，并根据比对结果确定所述待识别人员的身份信息。优选地，在所述获取待识别人员的人脸图像之前，还包括：获取已标记所述人员身份信息的人脸图像样本集；利用所述目标网络模型提取所述人脸图像样本集中各个人脸图像样本的人脸特征数据和人脸群类别标签；将所述人脸特征数据按照所述人脸群类别标签分别存入所述数据库中。优选地，在所述获取待识别人员的人脸图像之前，还包括：获取初始人脸图像训练集，并从所述初始人脸训练集中随机选择目标子集；利用所述初始人脸图像训练集中的样本数量和所述目标子集中人脸特征数据确定中心数量和初始中心；利用IndexIVFKmeans方法，结合所述中心数量和所述初始中心进行模型训练，获得用于标记人脸群类别标签的群标签标记模型；将所述初始人脸图像训练集输入至所述群标签标记模型中，获得用于训练所述目标网络模型的目标人脸图像训练集。优选地，所述利用IndexIVFKmeans方法，结合所述中心数量和所述初始中心进行模型训练，包括：在同时出现强势点和孤立点时，以所述强势点与所述孤立点的最短连线为直径的圆内随机选择两个点替代所述强势点和所述孤立点。优选地，所述目标网络的训练过程，包括：利用第一损失函数对预设网络进行训练，获得初始网络模型数据；调整学习率，并在所述初始网络模型数据的基础上添加第二损失函数进行网络训练，获得目标网络模型数据。优选地，在所述初始网络模型数据的基础上添加第二损失函数进行网络训练，获得目标网络模型数据，包括：将样本划分为困难样本和一般样本，并为所述困难样本设置第一权重，为所述一般样本设置第二权重；其中，所述困难样本为同类样本之间的距离大于或等于不同类样本之间距离的样本；利用所述第一权重和所述第二权重对所述第二损失函数进行调整，获得第三损失函数；利用所述第三损失函数对所述初始网络进行训练，获得所述目标网络。优选地，所述获取待识别人员的人脸图像，包括：从监控场景中检测所述待识别人员的人脸位置和人脸大小，并利用所述人脸位置和所述人脸大小确定原始人脸图像；对所述原始人脸图像进行关键点定位，并根据定位结果进行归一化，获得所述人脸图像。一种人脸识别装置，包括：图像信息获取模块，用于获取待识别人员的人脸图像，将所述人脸图像输入至目标网络模型中，获得所述人脸的目标群类别标签和特征数据；比对数据筛选模块，用于从数据库中读取具有所述目标群类别标签且已标记人员身份信息的人脸图像特征数据；比对识别模块，用于将所述特征数据与所述人脸图像特征数据进行比对，并根据比对结果确定所述待识别人员的身份信息。一种人脸识别设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现上述人脸识别方法的步骤。一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述人脸识别方法的步骤。应用本专利技术实施例所提供的方法，获取待识别人员的人脸图像，将人脸图像输入至目标网络模型中，获得人脸的目标群类别标签和特征数据；从数据库中读取具有目标群类别标签且已标记人员身份信息的人脸图像特征数据；将特征数据与人脸图像特征数据进行比对，并根据比对结果确定待识别人员的身份信息。在进行人脸比对之前，首先利用目标网络模型提取待识别人员的人脸图像对应的人脸的特征数据和目标群类别标签。然后，在数据库中仅读取具有目标群类别标签且已标记人员身份信息的人脸图像特征数据。将特征数据与人脸图像特征数据进行比对，便可根据比对结果确定待识别人脸的身份信息。相较于直接将待识别人员的人脸图像与数据库中的所有人脸图像特征数据进行比对，该方法可通过人脸群类别标签的差异，从数据库中仅读取同具有目标群类别标签的人脸图像特征数据，也就是说，通过人脸群类别标签对数据库中大量的人脸图像特征数据进行筛选，仅使用相似度较高的相同人脸群类别标签的人脸图像特征数据进行对比。如此便可减少比对次数，缩短比对时长，进一步提升人脸识别效率。相应地，本专利技术实施例还提供了与上述人脸识别方法相对应的人脸识别装置、设备和可读存储介质，具有上述技术效果，在此不再赘述。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，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为本专利技术实施例中一种人脸识别方法的实施流程图；图2为本专利技术实施例中一种人脸识别方法的具体实施流程图；图3为卷积神经网络中的残差单元的原理示意图；图4为本专利技术实施例中一种人脸识别装置的结构示意图；图5为本专利技术实施例中一种人脸识别设备的结构示意图；图6为本专利技术实施例中一种人脸识别设备的具体结构示意图。具体实施方式为了使本
的人员更好地理解本专利技术方案，下面结合附图和具体实施方式对本专利技术作进一步的详细说明。显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。实施例一：请参考图1，图1为本专利技术实施例中一种人脸识别方法的流程图，该方法包括以下步骤：S101、获取待识别人员的人脸图像，将人脸图像输入至目标网络模型中，获得人脸的目标群类别标签和特征数据。其中，待识别人员可以为视频、照片中的待识别人员。例如，监控视频中出现的诸如小偷的可疑人员。获取人脸图像的方式中有多种，方式一直接从存储设备中读取人脸图像；方式二对视频资料进行人脸检测，得到人脸图像；方式三、对具有人物的图像进行人脸检测，得到人脸图像。下面以从实时监控场景中进行人脸检测，获得人脸图像的过程进行详细说明。从监控场景中获取待识别人员的人脸图像的过程包括：步骤一、从监控场景中检测待识别人员的人脸位置和人脸大小，并本文档来自技高网...

【技术保护点】
1.一种人脸识别方法，其特征在于，包括：获取待识别人员的人脸图像，将所述人脸图像输入至目标网络模型中，获得所述人脸的目标群类别标签和特征数据；从数据库中读取具有所述目标群类别标签且已标记人员身份信息的人脸图像特征数据；将所述特征数据与所述人脸图像特征数据进行比对，并根据比对结果确定所述待识别人员的身份信息。

【技术特征摘要】
1.一种人脸识别方法，其特征在于，包括：获取待识别人员的人脸图像，将所述人脸图像输入至目标网络模型中，获得所述人脸的目标群类别标签和特征数据；从数据库中读取具有所述目标群类别标签且已标记人员身份信息的人脸图像特征数据；将所述特征数据与所述人脸图像特征数据进行比对，并根据比对结果确定所述待识别人员的身份信息。2.根据权利要求1所述的人脸识别方法，其特征在于，在所述获取待识别人员的人脸图像之前，还包括：获取已标记所述人员身份信息的人脸图像样本集；利用所述目标网络模型提取所述人脸图像样本集中各个人脸图像样本的人脸特征数据和人脸群类别标签；将所述人脸特征数据按照所述人脸群类别标签分别存入所述数据库中。3.根据权利要求2所述的人脸识别方法，其特征在于，在所述获取待识别人员的人脸图像之前，还包括：获取初始人脸图像训练集，并从所述初始人脸训练集中随机选择目标子集；利用所述初始人脸图像训练集中的样本数量和所述目标子集中人脸特征数据确定中心数量和初始中心；利用IndexIVFKmeans方法，结合所述中心数量和所述初始中心进行模型训练，获得用于标记人脸群类别标签的群标签标记模型；将所述初始人脸图像训练集输入至所述群标签标记模型中，获得用于训练所述目标网络模型的目标人脸图像训练集。4.根据权利要求2所述的人脸识别方法，其特征在于，所述利用IndexIVFKmeans方法，结合所述中心数量和所述初始中心进行模型训练，包括：在同时出现强势点和孤立点时，以所述强势点与所述孤立点的最短连线为直径的圆内随机选择两个点替代所述强势点和所述孤立点。5.根据权利要求1所述的人脸识别方法，其特征在于，所述目标网络的训练过程，包括：利用第一损失函数对预设网络进行训练，获得初始网络模型数据；调整...

【专利技术属性】
技术研发人员：史晓丽，张震国，晋兆龙，
申请(专利权)人：苏州科达科技股份有限公司，
类型：发明
国别省市：江苏,32