The embodiment of the invention discloses a face image recognition method, a device, an electronic device and a storage medium. The methods include: obtaining the face image to be recognized, preprocessing the face image to get the preprocessed image, inputting the preprocessed image into the pre trained feature vector extraction model to get the face feature vector, and recognizing the face feature vector based on the preset feature vector database. Through preprocessing the face image, the recognition accuracy of the face image can be improved; through the pre trained feature vector extraction module, the face feature vector with high accuracy corresponding to the preprocessed image can be obtained; through pre-set feature vector library, the face corresponding to the face feature vector can be recognized, thus improving the recognition accuracy of the face image with lower resolution Accuracy rate.
【技术实现步骤摘要】
一种人脸图片识别方法、装置、电子设备及存储介质
本专利技术实施例涉及图像处理技术,尤其涉及一种人脸图片识别方法、装置、电子设备及存储介质。
技术介绍
随着大数据和AI人工智能算法的发展,人脸识别已成为当前一个热门的研究方向,广泛应用于上班签到打卡、安防监控系统等领域。在安防监控系统中,现有的对犯人进行辨识的方法大多采用人员观察,或者人物图片分析,但是监控视频中的图片信息分辨率较低,很难对人物头像特征进行提取,不便于对人脸的数据进行查询,增加了识别人脸的难度。因此,亟需一种针对分辨率较低的人脸图片的识别方法。
技术实现思路
本专利技术实施例提供一种人脸图片识别方法、装置、电子设备及存储介质,提高了分辨率较低的人脸图片的识别准确率。第一方面,本专利技术实施例提供了一种人脸图片识别方法,包括:获取待识别的人脸图片,将所述人脸图片进行预处理,得到预处理图片;将所述预处理图片输入至预先训练的特征向量提取模型中,得到人脸特征向量;基于预设特征向量库,对所述人脸特征向量进行识别。可选的,所述获取待识别的人脸图片,包括:通过预设接口获取网络摄像机采集的视频流,将所述视频流转化为矩阵格式的图片,将转化完成的图片作为待识别的人脸图片。可选的,所述将所述人脸图片进行预处理,包括:基于多任务卷积神经网络算法,确定所述人脸图片中的人脸关键点和人脸范围;根据所述人脸范围对所述人脸图片进行切割,并将切割后的人脸图片进行归一化;基于普鲁克分析方法,将所述归一化后人脸图片中的人脸关键 ...
【技术保护点】
1.一种人脸图片识别方法,其特征在于,包括:/n获取待识别的人脸图片,将所述人脸图片进行预处理,得到预处理图片;/n将所述预处理图片输入至预先训练的特征向量提取模型中,得到人脸特征向量;/n基于预设特征向量库,对所述人脸特征向量进行识别。/n
【技术特征摘要】
1.一种人脸图片识别方法,其特征在于,包括:
获取待识别的人脸图片,将所述人脸图片进行预处理,得到预处理图片;
将所述预处理图片输入至预先训练的特征向量提取模型中,得到人脸特征向量;
基于预设特征向量库,对所述人脸特征向量进行识别。
2.根据权利要求1所述的方法,其特征在于,所述获取待识别的人脸图片,包括:
通过预设接口获取网络摄像机采集的视频流,将所述视频流转化为矩阵格式的图片,将转化完成的图片作为待识别的人脸图片。
3.根据权利要求1所述的方法,其特征在于,所述将所述人脸图片进行预处理,包括:
基于多任务卷积神经网络算法,确定所述人脸图片中的人脸关键点和人脸范围;
根据所述人脸范围对所述人脸图片进行切割,并将切割后的人脸图片进行归一化;
基于普鲁克分析方法,将所述归一化后人脸图片中的人脸关键点与预设关键点对齐。
4.根据权利要求1所述的方法,其特征在于,所述特征向量提取模型,包括:依序连接的第一卷积层、第一池化层、预设数量个第一残差单元和第一输出层;
其中,所述第一残差单元包括:依序连接的第一BN层、第二卷积层、第一ReLU层、第三卷积层和第二BN层,且第一BN层的输入端与第二BN层的输出端连接;
其中,所述第一输出层包括:依序连接的第三BN层、第一Dropout层、第一全连接层和第四BN层。
5.根据权利要求4所述的方法,其特征在于,所述特征向量提取模型在预先训练过程中,在所述第一输出层之后还连接有AM-Softmax层。
...
【专利技术属性】
技术研发人员:姜乐原,王紫江,
申请(专利权)人:软通动力信息技术有限公司,
类型:发明
国别省市:天津;12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。