侧脸情况下的人脸识别方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种侧脸情况下的人脸识别方法、装置、设备及存储介质，该方法包括：获取接收到的人脸图像中人脸特征点对应的局部二值特征，并对局部二值特征进行回归处理，识别人脸形状；当识别出的人脸形状为非正脸时，通过预先构建的正脸重构模型，对人脸图像进行重构，生成正脸图像；根据正脸图像，通过预先构建的暂态混沌神经网络，提取人脸框；根据人脸框，通过预先构建的FaceNet网络模型，提取人脸特征向量；对人脸特征向量进行拼接，并计算拼接后的人脸特征向量与正脸图像样本的相似度；获取最大相似度对应的正脸图像样本，并输出为人脸识别结果；该方法在侧脸或部分遮挡情况下，能够有效提高人脸识别的准确性。

【技术实现步骤摘要】
侧脸情况下的人脸识别方法、装置、设备及存储介质
本专利技术涉及计算机图像处理领域，尤其涉及一种侧脸情况下的人脸方法、装置、设备及存储介质。
技术介绍
随着计算机技术特别是模式识别技术的发展，侧脸情况下的人脸识别作为一个技术方向出现在人们的视野。侧脸情况下的人脸识别技术可以作为图像处理和视频分析领域中多应用项目的基础性工作，比如人脸识别、人脸图像检索以及驾驶员疲劳状态检测等等。在人脸识别过程中，侧脸识别在人脸识别中具有非常重要的意义，在很多情况下会很难得到人的正脸图像，存在因人脸被遮挡或者侧脸的现象对人脸难以识别的问题，例如：在监控场景下拍摄到人正脸的概率就比较小。因此，提高侧脸识别的准确率是人脸识别需要解决的一项非常关键的技术问题。
技术实现思路
针对上述问题，本专利技术的目的在于提供一种侧脸情况下的人脸识别方法、装置、设备及存储介质，其能有效提供侧脸识别的准确率。第一方面，本专利技术实施例提供了一种侧脸情况下的人脸识别方法，包括以下步骤：获取接收到的人脸图像中人脸特征点对应的局部二值特征，并对所述局部二值特征进行回归处理，识别人脸形状；当识别出的人脸形状为非正脸时，通过预先构建的正脸重构模型，对所述人脸图像进行重构，生成正脸图像；根据所述正脸图像，通过预先构建的暂态混沌神经网络，提取人脸框；根据所述人脸框，通过预先构建的FaceNet网络模型，提取人脸特征向量；对所述人脸特征向量进行拼接，并计算拼接后的人脸特征向量与正脸图像样本的相似度；获取最大相似度对应的正脸图像样本，并输出为人脸识别结果。优选地，所述根据所述正脸图像，通过预先构建的暂态混沌神经网络，提取人脸框，具体包括：根据所述正脸图像，通过预先构建的图像金字塔模型，获取不同尺寸的人脸候选框；对不同尺寸的人脸候选框进行区域切分；将区域切分后的人脸候选框输入到预先构建的暂态混沌神经网络，提取人脸框。优选地，所述方法还包括：提取预先采集的正脸图像样本和侧脸图像样本的人脸特征点；根据所述正脸图像样本、侧脸图像样本对应的人脸特征点，分别对所述正脸图像样本、侧脸图像样本进行分块；采用分块后的正脸图像样本、侧脸图像样本对预先构建的深度神经网络进行模型训练，构建正脸重构模型；其中，所述预先构建的深度神经网络包括逻辑回归算法。优选地，所述根据所述正脸图像，通过预先构建的暂态混沌神经网络，提取人脸框之前，还包括：对所述正脸图像进行旋转校正，得到正视的正脸图像。优选地，所述对所述人脸特征向量进行拼接，并计算拼接后的人脸特征向量与正脸图像样本的相似度，具体包括：对所述人脸特征向量进行拼接；对拼接后的人脸特征向量进行KNN聚类，并计算KNN聚类后的人脸特征向量与正脸图像样本的欧氏距离，作为人脸特征向量与正脸图像样本的相似度。优选地，所述将区域切分后的人脸候选框输入到预先构建的暂态混沌神经网络，提取人脸框，具体包括：将所有人脸候选框缩放至第一预设尺寸，并通过所述暂态混沌神经网络的第一层卷积神经网络对第一预设尺寸的人脸候选框进行边框回归，获得第一边框回归结果；将所有人脸候选框缩放至第二预设尺寸，并通过所述暂态混沌神经网络的第二层卷积神经网络对第二预设尺寸的人脸候选框和所述第一边框回归结果进行边框回归，获得第二边框回归结果；将所有人脸候选框缩放至第三预设尺寸，并通过所述暂态混沌神经网络的第三层卷积神经网络中对第三预设尺寸的人脸候选框、所述第一边框回归结果和所述第二边框回归结果进行边框回归，获得第三边框回归结果；对所述第一边框回归结果、第二边框回归结果和第三边框回归结果进行加权平均处理，得到所述人脸框。优选地，所述第一预设尺寸为12×12，所述第一层卷积神经网络为12维卷积神经网络；所述第二预设尺寸为24×24，所述第二层卷积神经网络为24维卷积神经网络；所述第二预设尺寸为48×48，所述第三层卷积神经网络为48维卷积神经网络。第二方面，本专利技术实施例提供了一种侧脸情况下的人脸识别装置，包括：人脸形状识别模块，用于获取接收到的人脸图像中人脸特征点对应的局部二值特征，并对所述局部二值特征进行回归处理，识别人脸形状；正脸重构模块，用于当识别出的人脸形状为非正脸时，通过预先构建的正脸重构模型，对所述人脸图像进行重构，生成正脸图像；人脸框提取模块，用于根据所述正脸图像，通过预先构建的暂态混沌神经网络，提取人脸框；人脸特征向量提取模块，用于根据所述人脸框，通过预先构建的FaceNet网络模型，提取人脸特征向量；相似度计算模块，用于对所述人脸特征向量进行拼接，并计算拼接后的人脸特征向量与正脸图像样本的相似度；人脸识别模块，用于获取最大相似度对应的正脸图像样本，并输出为人脸识别结果。第三方面，本专利技术实施例提供了一种侧脸情况下的人脸识别设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面中任意一项所述的侧脸情况下的人脸识别方法。第四方面，本专利技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如第一方面中任意一项所述的侧脸情况下的人脸识别方法。以上实施例具有如下有益效果：通过获取接收到的人脸图像中人脸特征点对应的局部二值特征，并对所述局部二值特征进行回归处理，识别人脸形状；当识别出的人脸形状为非正脸时，通过预先构建的正脸重构模型，对所述人脸图像进行重构，生成正脸图像；根据所述正脸图像，通过预先构建的暂态混沌神经网络，提取人脸框；根据所述人脸框，通过预先构建的FaceNet网络模型，提取人脸特征向量；对所述人脸特征向量进行拼接，并计算拼接后的人脸特征向量与正脸图像样本的相似度；获取最大相似度对应的正脸图像样本，并输出为人脸识别结果，在侧脸或部分遮挡情况下，能够有效提高人脸识别的准确性。附图说明为了更清楚地说明本专利技术的技术方案，下面将对实施方式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方式，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是本专利技术第一实施例提供的侧脸情况下的人脸识别方法的流程示意图；图2是本专利技术第二实施例提供的侧脸情况下的人脸识别装置的结构示意图；图3是本专利技术第三实施例提供的侧脸情况下的人脸识别设备的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅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。请参照图1，本专利技术第一实施例提供了一种侧脸情况下的人脸识别方法，其可由侧脸情况下的人脸识别设备来执行，并包括以下步骤：S11：获取接收到的人脸图像中人脸特征点对应的局部二值特征，并对所述局部二值特征进行回归处理，识别人脸形状。在本专利技术实施例中，所述侧脸情况下的人脸识别设备可为电脑、手机、平板电脑、笔记本电脑或者服务器等计算设备，所述侧脸情况下的人脸识别方法可作为其中一个功能模块集成与所述侧脸情况下的人脸识别设备上，由所述侧脸情况下的人脸识别设备来执行。在本文档来自技高网...

【技术保护点】
1.一种侧脸情况下的人脸识别方法，其特征在于，包括以下步骤：获取接收到的人脸图像中人脸特征点对应的局部二值特征，并对所述局部二值特征进行回归处理，识别人脸形状；当识别出的人脸形状为非正脸时，通过预先构建的正脸重构模型，对所述人脸图像进行重构，生成正脸图像；根据所述正脸图像，通过预先构建的暂态混沌神经网络，提取人脸框；根据所述人脸框，通过预先构建的FaceNet网络模型，提取人脸特征向量；对所述人脸特征向量进行拼接，并计算拼接后的人脸特征向量与正脸图像样本的相似度；获取最大相似度对应的正脸图像样本，并输出为人脸识别结果。

【技术特征摘要】
1.一种侧脸情况下的人脸识别方法，其特征在于，包括以下步骤：获取接收到的人脸图像中人脸特征点对应的局部二值特征，并对所述局部二值特征进行回归处理，识别人脸形状；当识别出的人脸形状为非正脸时，通过预先构建的正脸重构模型，对所述人脸图像进行重构，生成正脸图像；根据所述正脸图像，通过预先构建的暂态混沌神经网络，提取人脸框；根据所述人脸框，通过预先构建的FaceNet网络模型，提取人脸特征向量；对所述人脸特征向量进行拼接，并计算拼接后的人脸特征向量与正脸图像样本的相似度；获取最大相似度对应的正脸图像样本，并输出为人脸识别结果。2.如权利要求1所述的侧脸情况下的人脸识别方法，其特征在于，所述根据所述正脸图像，通过预先构建的暂态混沌神经网络，提取人脸框，具体包括：根据所述正脸图像，通过预先构建的图像金字塔模型，获取不同尺寸的人脸候选框；对不同尺寸的人脸候选框进行区域切分；将区域切分后的人脸候选框输入到预先构建的暂态混沌神经网络，提取人脸框。3.如权利要求1所述的侧脸情况下的人脸识别方法，其特征在于，所述方法还包括：提取预先采集的正脸图像样本和侧脸图像样本的人脸特征点；根据所述正脸图像样本、侧脸图像样本对应的人脸特征点，分别对所述正脸图像样本、侧脸图像样本进行分块；采用分块后的正脸图像样本、侧脸图像样本对预先构建的深度神经网络进行模型训练，构建正脸重构模型；其中，所述预先构建的深度神经网络包括逻辑回归算法。4.如权利要求1或2所述的侧脸情况下的人脸识别方法，其特征在于，所述根据所述正脸图像，通过预先构建的暂态混沌神经网络，提取人脸框之前，还包括：对所述正脸图像进行旋转校正，得到正视的正脸图像。5.如权利要求1所述的侧脸情况下的人脸识别方法，其特征在于，所述对所述人脸特征向量进行拼接，并计算拼接后的人脸特征向量与正脸图像样本的相似度，具体包括：对所述人脸特征向量进行拼接；对拼接后的人脸特征向量进行KNN聚类，并计算KNN聚类后的人脸特征向量与正脸图像样本的欧氏距离，作为人脸特征向量与正脸图像样本的相似度。6.如权利要求2所述的侧脸情况下的人脸识别方法，其特征在于，所述将区域切分后的人脸候选框输入到预先构建的暂态混沌神经网络，提取人脸框，具体包括：将所有人脸候选框缩放至第一预设尺寸...

【专利技术属性】
技术研发人员：杜翠凤，
申请(专利权)人：广州杰赛科技股份有限公司，
类型：发明
国别省市：广东,44