一种人脸识别方法及装置制造方法及图纸

本发明专利技术提供一种人脸识别方法及装置，该方法包括获取人脸图像，组成训练图像集；对训练图像集进行处理形成训练图像集合a和训练图像集合b；用训练图像集合a和训练图像集合b进行训练，获得人脸识别模型；用人脸识别模型对待识别图像进行识别，得到识别结果；本发明专利技术提供的方法和装置获得的人脸识别模型具有非常高的稳定性和鲁棒性，进而提高了人脸识别的准确率。

A face recognition method and device

The invention provides a face recognition method and device, the method comprises obtaining a face image to form a training image set, processing the training image set to form a training image set a and a training image set B, training the training image set a and a training image set B to obtain a face recognition model, and using the face recognition model to recognize the recognition image to obtain the recognition result. The face recognition model obtained by the method and device provided by the invention has very high stability and robustness, thereby improving the accuracy of face recognition.

【技术实现步骤摘要】
一种人脸识别方法及装置
本专利技术属于人脸识别领域，特别涉及一种人脸识别方法及装置。
技术介绍
近年来随着人脸识别技术的发展，“刷脸”已经应用到多种场合，例如刷脸支付、刷脸进站、刷脸门禁等。这将大大提高了人们日常生活的便利性，并能一定程度上提高人们日常生活中的安全指数。传统的人脸识别方法是利用卷积神经网络对训练图像集进行训练，获得识别模型，然后再对待识别图像进行识别获得识别结果；但有时候，由于提供组成训练图像集的人脸图像较少，获得的人脸识别模型鲁棒性差、稳定性差，导致识别准确率低。
技术实现思路
为了解决现有技术中存在的问题，本专利技术提供一种人脸识别方法及装置。本专利技术其中一个实施例提供一种人脸识别方法，该方法包括如下步骤：获取人脸图像，组成训练图像集；对训练图像集进行处理形成训练图像集合a和训练图像集合b；用训练图像集合a和训练图像集合b进行训练，获得人脸识别模型；用人脸识别模型对待识别图像进行识别，得到识别结果。在一些实施例中，所述对训练图像集进行处理形成训练图像集合a和训练图像集合b包括如下步骤：获取训练图像集内的标准图像；将训练图像集内的每一非标准图像分别与标准图像做差处理，获得残差；计算残差内所有像素的平均值，形成平均残差图像；利用每一非标准图像与平均残差图像进行图像重构，获得重构图像集；训练图像集和重构图像集的并集形成训练图像集合a。在一些实施例中，所述对训练图像集进行处理形成训练图像集合a和训练图像集合b包括如下步骤：获取训练图像集内每一训练图像的轮廓，形成轮廓图像；将所有轮廓图像与对应的残差进行融合，获得训练图像集合b。在一些实施例中，所述用训练图像集合a和训练图像集合b进行训练，获得人脸识别模型包括如下步骤：利用训练图像集合b对卷积神经网络进行训练，获得第一识别模型；利用训练图像集合a对第一识别模型进行训练获得人脸识别模型。在一些实施例中，所述利用每一非标准图像与平均残差图像进行图像重构，获得重构图像集包括如下步骤：计算每一非标准图像内第i个像素点xi与平均残差图像内对应位置的第i个像素点yi的像素差Δx，并与像素差阈值Δx1进行比较；当Δx＜Δx1时，保留像素点xi；当Δx≥Δx1，找到平均残差图像内像素点yi的k个邻域像素点，k的取值为20-40；计算像素点xi与k个邻域像素点的欧式距离Ψ，并与阈值Ψ1进行比较；当Ψ≥Ψ1时，用像素点x2代替像素点xi；当Ψ＜Ψ1时，用像素点yi代替像素点；将非标准图像钟未替换像素点和替换后的像素点进行图像重构，获得重构图像集。本专利技术另一实施例提供一种人脸识别装置，该人脸识别装置包括：用于获取人脸图像，组成训练图像集的人脸图像获取模块；用于对训练图像集进行处理形成训练图像集合a和训练图像集合b的图像集合获取模块；用于训练图像集合a和训练图像集合b进行训练，获得人脸识别模型的人脸识别模型获取模块；用于人脸识别模型对待识别图像进行识别，得到识别结果的输出模块。在一些实施例中，所述图像集合获取模块包括：用于获取训练图像集内标准图像的标准图像获取子模块；用于将训练图像集内的每一非标准图像分别与标准图像做差处理，获得残差的残差获取子模块；用于计算残差内所有像素的平均值，形成平均残差图像的平均残差图像获取子模块；用于利用每一非标准图像与平均残差图像进行图像重构，获得重构图像集的重构图像集获取子模块；用于训练图像集和重构图像集的并集形成训练图像集合a的第一图像集获取子模块；用于获取训练图像集内每一训练图像的轮廓，形成轮廓图像的轮廓图像获取子模块；用于将所有轮廓图像与对应的残差进行融合，获得训练图像集合b的第二图像集获取子模块。在一些实施例中，所述人脸识别模型获取模块包括：用于利用训练图像集合b对卷积神经网络进行训练，获得第一识别模型的第一识别模型获取子模块；用于利用训练图像集合a对第一识别模型进行训练获得人脸识别模型的人脸识别模型获取子模块。本专利技术提供的一种人脸识别方法及装置，获得的人脸识别模型具有非常高的稳定性和鲁棒性，进而提高了人脸识别的准确率。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例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它的附图。图1是本专利技术其中一个实施例的人脸识别方法的流程图；图2是利用每一非标准图像与平均残差图像进行图像重构，获得重构图像集的流程图；图3是获取训练图像集内每一训练图像的轮廓，形成轮廓图像的流程图；图4是将所有轮廓图像与对应的残差进行融合，获得训练图像集合b的流程图；图5是本专利技术其中一个实施例的人脸图像识别装置的结构框图。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它实施例，都属于本专利技术保护的范围。本专利技术其中一个实施例提供一种人脸识别方法，如图1所示，该人脸识别方法包括如下步骤：S1：获取人脸图像，组成训练图像集；其中，训练图像集内所有人脸图像的尺寸均相同；S2：对训练图像集进行处理形成训练图像集合a和训练图像集合b；在一些优选的实施例中，步骤S2具体包括如下：S21：获取训练图像集内的标准图像；其中，标准图像即为训练图像集内正脸且遮挡最少的图像；S22：将训练图像集内的每一非标准图像分别与标准图像做差处理，获得残差；根据残差获得残差图像；在步骤S22中，还包括为非标准图像和与其对应的残差建立对应的编号；S23：计算残差内所有像素的平均值，形成平均残差图像；平均残差图像的尺寸与训练图像集内每一训练图像的尺寸均相同；S24：利用每一非标准图像与平均残差图像进行图像重构，获得重构图像集；S25：训练图像集和重构图像集的并集形成训练图像集合a；S26：获取训练图像集内每一训练图像的轮廓，形成轮廓图像；S27：将所有轮廓图像与对应的残差进行融合，获得训练图像集合b；其中，标准图像由于不存在对应的残差，所以不需要与残差融合；轮廓图像与残差图像按照对应的编号进行融合；S3：用训练图像集合a和训练图像集合b进行训练，获得人脸识别模型；在一些优选的实施例中，步骤S3包括：S31：利用训练图像集合b对卷积神经网络进行训练，获得第一识别模型；S32：利用训练图像集合a对第一识别模型进行训本文档来自技高网...

【技术保护点】
1.一种人脸识别方法，其特征在于，所述人脸识别方法包括如下步骤：/n获取人脸图像，组成训练图像集；/n对训练图像集进行处理形成训练图像集合a和训练图像集合b；/n用训练图像集合a和训练图像集合b进行训练，获得人脸识别模型；/n用人脸识别模型对待识别图像进行识别，得到识别结果。/n

【技术特征摘要】
1.一种人脸识别方法，其特征在于，所述人脸识别方法包括如下步骤：
获取人脸图像，组成训练图像集；
对训练图像集进行处理形成训练图像集合a和训练图像集合b；
用训练图像集合a和训练图像集合b进行训练，获得人脸识别模型；
用人脸识别模型对待识别图像进行识别，得到识别结果。


2.如权利要求1所述的人脸识别方法，其特征在于，所述对训练图像集进行处理形成训练图像集合a和训练图像集合b包括如下步骤：
获取训练图像集内的标准图像；
将训练图像集内的每一非标准图像分别与标准图像做差处理，获得残差；
计算残差内所有像素的平均值，形成平均残差图像；
利用每一非标准图像与平均残差图像进行图像重构，获得重构图像集；
训练图像集和重构图像集的并集形成训练图像集合a。


3.如权利要求2所述的人脸识别方法，其特征在于，所述对训练图像集进行处理形成训练图像集合a和训练图像集合b包括如下步骤：
获取训练图像集内每一训练图像的轮廓，形成轮廓图像；
将所有轮廓图像与对应的残差进行融合，获得训练图像集合b。


4.如权利要求2所述的人脸识别方法，其特征在于，所述用训练图像集合a和训练图像集合b进行训练，获得人脸识别模型包括如下步骤：
利用训练图像集合b对卷积神经网络进行训练，获得第一识别模型；
利用训练图像集合a对第一识别模型进行训练获得人脸识别模型。


5.如权利要求1所述的人脸识别方法，其特征在于，所述利用每一非标准图像与平均残差图像进行图像重构，获得重构图像集包括如下步骤：
计算每一非标准图像内第i个像素点xi与平均残差图像内对应位置的第i个像素点yi的像素差Δx，并与像素差阈值Δx1进行比较；
当Δx＜Δx1时，保留像素点xi；
当Δx≥Δx1，找到平均残差图像内像素点y...

【专利技术属性】
技术研发人员：裴露露，
申请(专利权)人：裴露露，
类型：发明
国别省市：安徽;34