人脸识别方法及电子设备技术

本发明专利技术涉及人脸识别领域，公开一种人脸识别方法及电子设备。其中，人脸识别方法包括：获取人脸图像，人脸图像被划分成多个局部区域图像；分类每个局部区域图像，得到分类结果，分类结果包括异常分类结果与正常分类结果；修正分类结果为异常分类结果的局部区域图像；根据修正后的局部区域图像、未修正的局部区域图像及预注册图像，识别人脸图像。即使某个局部区域图像出现异常，通过修正异常分类结果的局部区域图像，使得后续识别人脸时，可以结合未修正的局部区域图像及预注册图像，精确地识别人脸，进而提高识别效果。

【技术实现步骤摘要】
人脸识别方法及电子设备
本专利技术涉及人脸识别领域，尤其涉及一种人脸识别方法及电子设备。
技术介绍
随着人脸识别技术的发展，众多业务场景需要使用人脸识别技术配合完成一定业务需求。然而，在实际应用人脸识别技术过程中，由于一些用户当前人脸相对于预注册人脸的变化幅度比较大，容易导致人脸识别失败，例如，眼睛被头发遮挡或者夸张的人脸表情等等因素。
技术实现思路
本专利技术实施例的一个目的旨在提供一种人脸识别方法及电子设备，以提高人脸识别效果。在第一方面，本专利技术实施例提供一种人脸识别方法，包括：获取人脸图像，所述人脸图像被划分成多个局部区域图像；分类每个所述局部区域图像，得到分类结果，所述分类结果包括异常分类结果与正常分类结果；修正所述分类结果为异常分类结果的局部区域图像；根据修正后的局部区域图像、未修正的局部区域图像及预注册图像，识别所述人脸图像。在第二方面，本专利技术实施例提供了一种电子设备，所述电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行所述的人脸识别方法。在第三方面，本专利技术实施例提供一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被移动载体执行时，使电子设备执行任一项所述的人脸识别方法。在第四方面，本专利技术实施例还提供了一种非易失性计算机可读存储介质，所述非易失性计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使电子设备执行任一项所述的人脸识别方法。相对于传统技术，在本专利技术各个实施例提供的人脸识别方法及电子设备中，获取人脸图像，人脸图像被划分成多个局部区域图像，分类每个局部区域图像，得到分类结果，分类结果包括异常分类结果与正常分类结果，修正分类结果为异常分类结果的局部区域图像，根据修正后的局部区域图像、未修正的局部区域图像及预注册图像，识别人脸图像。因此，即使某个局部区域图像出现异常，通过修正异常分类结果的局部区域图像，使得后续识别人脸时，可以结合未修正的局部区域图像及预注册图像，精确地识别人脸，进而提高识别效果。附图说明一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。图1a是本专利技术实施例提供的一种人脸识别应用场景的示意图；图1b是本专利技术实施例提供的一种人脸识别系统的结构示意图；图2a是本专利技术实施例提供的一种人脸识别方法的流程示意图；图2b是本专利技术实施例提供的截取人脸图像各个局部区域图像的示意图；图2c是本专利技术实施例提供的人脸图像的左眼及右眼被遮挡物遮挡的示意图；图2d是图2a中S24的流程示意图；图2e是本专利技术实施例提供的人脸图像、左眼图像、右眼图像、鼻子图像及嘴巴图像的各自图像特征向量作拼接处理的示意图；图3a是本专利技术实施例提供的一种人脸识别装置的结构示意图；图3b是图3a中识别模块的结构示意图；图4是本专利技术实施例提供的一种电子设备的结构示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。基于本专利技术中的实施例，本领域普通技术人员在没有作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。需要说明的是，如果不冲突，本专利技术实施例中的各个特征可以相互结合，均在本专利技术的保护范围之内。另外，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。再者，本专利技术所采用的“第一”、“第二”、“第三”等字样并不对数据和执行次序进行限定，仅是对功能和作用基本相同的相同项或相似项进行区分。本专利技术实施例提供的人脸识别方法，可以在任何合适类型、具有运算能力的电子设备中执行，诸如摄像机、人脸扫描设备、通道检测设备、服务器、台式计算机、智能手机、平板电脑以及其他电子产品中。其中，此处的服务器可以是一个物理服务器或者多个物理服务器虚拟而成的一个逻辑服务器。服务器也可以是多个可互联通信的服务器组成的服务器群，且各个功能模块可分别分布在服务器群中的各个服务器上。在一些实施例中，所述电子设备可被构造成任意合适形状，并应用在任何合适的业务场所，例如，电子设备可被构造成人脸扫描设备，人脸扫描设备可执行下文所阐述的人脸识别方法，当人脸扫描设备成功识别用户人脸时，则触发下一步业务逻辑。再例如，电子设备可被构造成通道检测设备，同理可得，通道检测设备可执行下文所阐述的人脸识别方法，当通道检测设备成功识别用户人脸时，开放闸栏。当通道检测设备识别用户人脸失败时，禁止开放闸栏。请参阅图1a，图1a是本专利技术实施例提供的一种人脸识别应用场景的示意图。如图1a所示，人脸识别应用场景100包括公共区域11、前台区域12、电梯区域13及入口区域14，各个区域互相连通。其中，入口区域14设置有三台通道检测设备141，每台通道检测设备141皆配置有对应的闸栏142，并且，每相邻两个通道检测设备141的闸栏142相对设置并且闸栏142位于每相邻两个通道检测设备141之间，通道检测设备141可控制对应的闸栏142收拢或者展开，当相向的两个闸栏142都收拢，于是，用户便可以进入入口区域14。当相向的两个闸栏142都展开，于是，用户被禁止入内。在本实施例中，每相邻两个通道检测设备141之间皆设置有摄像机143，摄像机143用于拍摄需要进入入口区域14的每个用户的人脸图像。为了保证用户顺利进入，一般而言，需要预先采集合法用户处于正常状态下的人脸图像，将合法用户处于正常状态下的人脸图像预先注册在系统内，可以理解的是，此处所指的正常状态是指用户人脸收敛表情至正常表现状态，或者，用于识别人脸的局部区域未出现异常现象，其中，异常现象包括所述局部区域过暗、过亮、被异物遮挡等等。当检测到采集的人脸图像匹配预先注册的人脸图像时，通道检测设备141可控制对应的闸栏142收拢，于是，用户便可以入内。当检测到采集的人脸图像未匹配预先注册的人脸图像或者未预先注册与采集的人脸图像对应的预注册图像时，通道检测设备141可控制对应的闸栏142展开，于是，用户便被禁止入内。可以理解的是，检测人脸是否匹配预注册图像的操作可在摄像机143或通道检测设备141或者云端服务器完成，例如，摄像机143采集人脸图像，并向通道检测设备141发送人脸图像，通道检测设备141根据人脸图像进行识别，亦可以是，摄像机142采集人脸图像并对人脸图像进行识别。请参阅图1b，图1b是本专利技术实施例提供的一种人脸识别系统的结构示意图。如图1b所示，人脸识别系统包括通道检测设备141、摄像机143、服务器144及智能终端145。通道检测设备141与摄像机143通讯，摄像机143向通道检测设备141发送人脸图像，通道检测设备141根据人脸图像进行识别。服务器144分别与通道检测设备141和智能终端145通讯，其中，智能终端本文档来自技高网...

【技术保护点】
1.一种人脸识别方法，其特征在于，包括：获取人脸图像，所述人脸图像被划分成多个局部区域图像；分类每个所述局部区域图像，得到分类结果，所述分类结果包括异常分类结果与正常分类结果；修正所述分类结果为异常分类结果的局部区域图像；根据修正后的局部区域图像、未修正的局部区域图像及预注册图像，识别所述人脸图像。

【技术特征摘要】
1.一种人脸识别方法，其特征在于，包括：获取人脸图像，所述人脸图像被划分成多个局部区域图像；分类每个所述局部区域图像，得到分类结果，所述分类结果包括异常分类结果与正常分类结果；修正所述分类结果为异常分类结果的局部区域图像；根据修正后的局部区域图像、未修正的局部区域图像及预注册图像，识别所述人脸图像。2.根据权利要求1所述的方法，其特征在于，所述修正所述分类结果为异常分类结果的局部区域图像，包括：将所述分类结果为异常分类结果的局部区域图像的图像特征向量修正为预设特征向量。3.根据权利要求1所述的方法，其特征在于，所述异常分类结果包括第一异常分类结果与第二异常分类结果；所述修正所述分类结果为异常分类结果的局部区域图像，包括：将所述分类结果为第一异常分类结果的局部区域图像的图像特征向量修正为预设特征向量；将所述分类结果为第二异常分类结果的局部区域图像的图像特征向量修正为与所述正常分类结果对应的图像特征向量。4.根据权利要求2或3所述的方法，其特征在于，所述预设特征向量为0。5.根据权利要求2或3所述的方法，其特征在于，令修正后的局部区域图像的图像特征向量为第一图像特征向量，未修正的局部区域图像的图像特征向量为第二图像特征向量；所述根据修正后的局部区域图像、未修正的局部区域图像及预注册图像，识别所述人脸图像，包括：拼接所述第一图像特征向量及所述第二图像特征向量，得到局部总图像特征向量；根据所述分类结果为正常分类结果的局部区域图像的数量，计算补偿系数；将所述局部总图像特征向量乘以所述补偿系数，得到补偿后的总图像特征向量；根据所述补偿后的总图像特征向量及预注册图像的注册图像特征向量，识别所述人脸图像。6.根据权利要求5所述的方法，其特征在于，所述根据所述分类结果为正常分类结果的局部区域图像的数量，计算补偿系数，包括：根据式子：M＝X*Y，N＝K*Y，H＝M/N，计算补偿系数；其中，X为局部区域图像的数量，Y为分类结果为正常分类结果的局部区域图像的标签值，M为当每个局部区域图像的分类结果为正常分类结果时的总标签值，K为分类结果为正常分类结果的局部区域图像的数量，N为分类结果为正常分类结果的...

【专利技术属性】
技术研发人员：张阿强，鞠汶奇，刘子威，
申请(专利权)人：深圳和而泰家居在线网络科技有限公司，
类型：发明
国别省市：广东,44