一种人脸识别方法及装置制造方法及图纸

本发明专利技术实施例提供一种人脸识别方法及装置，该方法包括：采集第一人脸图像；使用第一特征提取模型提取第一人脸图像的第一特征向量；使用第二特征提取模型提取第一人脸图像的第二特征向量，第一特征向量的维度小于第二特征向量的维度；根据第一特征向量从数据库中选取目标特征向量集；将第二特征向量与目标特征向量集中的向量进行匹配。实施本发明专利技术实施例，可以保证人脸识别精度的情况下缩短人脸识别时延。

A face recognition method and device

The embodiment of the invention provides a face recognition method and device, the method includes: collecting the first face image; extracting the first feature vector of the first face image using the first feature extraction model; extracting the second feature vector of the first face image using the second feature extraction model, the dimension of the first feature vector is smaller than the dimension of the second feature vector; according to the first feature vector Select the target feature vector set from the database; match the second feature vector with the vector in the target feature vector set. The embodiment of the invention can shorten the face recognition delay under the condition of ensuring the face recognition accuracy.

【技术实现步骤摘要】
一种人脸识别方法及装置
本专利技术涉及人脸识别
，具体涉及一种人脸识别方法及装置。
技术介绍
门禁人脸识别属于1:N的人脸识别技术，包括特征提取和特征搜索。通常来说，特征提取模型越复杂，或提取的特征越多，则提取的特征越具代表性和区分性，人脸识别的精度将越高。此外，进行特征搜索时数据库中的数据量越大，特征搜索的精度越高。在进行门禁人脸识别时，不仅要求精度高，而且要求时延小。由于嵌入式设备上的计算资源有限，如果特征提取模型复杂的话，则特征提取需要的时间较长，这就要求特征搜索的时间较短。然而，为了减小特征搜索的时间要么数据库中数据量小，要么提取的特征少，这将降低人脸识别精度，以致与门禁高精度的要求相矛盾。因此，如何在数据库数据量较大的情况下提高人脸识别的精度成为一个亟待解决的技术问题。
技术实现思路
本专利技术实施例提供一种人脸识别方法及装置，可以保证人脸识别精度的情况下缩短人脸识别时延。本专利技术实施例第一方面提供一种人脸识别方法，包括：采集第一人脸图像；使用第一特征提取模型提取所述第一人脸图像的第一特征向量；使用第二特征提取模型提取所述第一人脸图像的第二特征向量，所述第一特征向量的维度小于所述第二特征向量的维度；根据所述第一特征向量从数据库中选取目标特征向量集；将所述第二特征向量与所述目标特征向量集中的向量进行匹配。在一个实施例中，所述数据库包括第一数据集和第二数据集，所述第一数据集是所述第一特征提取模型提取的人脸图像的特征向量的集合，所述第二数据集是所述第二特征提取模型提取的人脸图像的特征向量的集合；所述根据所述第一特征向量从数据库中选取目标特征向量集包括：计算所述第一特征向量与所述第一数据集中每个特征向量的相似度；从所述第一数据集中选取相似度最大的M个特征向量，所述M为大于1的整数；从所述第二数据集中选取与所述M个特征向量中每个特征向量对应的特征向量，获得目标特征向量集。在一个实施例中，所述将所述第二特征向量与所述目标特征向量集中的向量进行匹配包括：计算所述第二特征向量与所述目标特征向量集中每个特征向量的相似度；判断所述相似度中的最大值是否大于或等于阈值，当所述最大值大于或等于所述阈值时，确定所述第二特征向量与所述最大值对应的特征向量匹配。在一个实施例中，所述第一特征提取模型的复杂度小于所述第二特征提取模型的复杂度。在一个实施例中，所述方法还包括：获取第二人脸图像以及第一身份特征向量，所述第一身份特征向量用于标识所述第二人脸图像对应的人；使用第一模型提取所述第二人脸图像的第三特征向量；根据所述第三特征向量和所述第一身份特征向量，计算第一损失值；将所述第一损失值以梯度的方式反向传播至所述第一模型，获得更新参数的第一模型；根据所述更新参数的第一模型更新第一损失值；将第一损失值最小时对应的第一模型确定为第一特征提取模型。本专利技术实施例第二方面提供一种人脸识别装置，包括：采集单元，用于采集第一人脸图像；第一提取单元，用于使用第一特征提取模型提取所述采集单元采集的第一人脸图像的第一特征向量；第二提取单元，用于使用第二特征提取模型提取所述采集单元采集的第一人脸图像的第二特征向量，所述第一特征向量的维度小于所述第二特征向量的维度；选取单元，用于根据所述第一提取单元提取的第一特征向量从数据库中选取目标特征向量集；匹配单元，用于将所述第二提取单元提取的第二特征向量与所述选取单元选取的目标特征向量集中的向量进行匹配。本专利技术实施例中，采集第一人脸图像，使用第一特征提取模型提取第一人脸图像的第一特征向量，使用第二特征提取模型提取第一人脸图像的第二特征向量，根据第一特征向量从数据库中选取目标特征向量集，并将第二特征向量与目标特征向量集中的向量进行匹配。由于第一特征提取模型提取的第一特征向量的维度较小，因此，可以快速地从数据库中选取目标特征向量集；又由于第二特征提取模型提取的第二特征向量的维度较大，且最终是通过维度较大的第二特征向量与目标特征向量集进行匹配，因此，可以保证人脸识别的精度；同时由于与维度较大的第二特征向量进行匹配的数据量减少了，因此，可以缩短人脸识别的时延，从而使本专利技术可以在保证人脸识别精度的情况下缩短人脸识别时延。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2是本专利技术实施例提供的另一种人脸识别方法的流程示意图；图3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4是本专利技术实施例提供的一种门禁设备的结构示意图。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。本专利技术实施例提供一种人脸识别方法及装置，可以保证人脸识别精度的情况下缩短人脸识别时延。以下分别进行详细说明。请参阅图1，图1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。其中，该人脸识别方法适用于设置有图像采集装置的嵌入式的门禁设备。根据不同的需求，图1所示的流程图中的步骤的执行顺序可以改变，某些步骤可以拆分为几个步骤，某些步骤可以省略。如图1所示，该人脸识别方法可以包括以下步骤。101、采集第一人脸图像。本实施例中，当门禁设备的图像采集装置检测到采集范围内出现人物时，将采集第一人脸图像。其中，图像采集装置可以是摄像头，也可以是其他可以采集人脸图像的装置。102、使用第一特征提取模型提取第一人脸图像的第一特征向量。本实施例中，通过图像采集装置采集到第一人脸图像之后，将使用第一特征提取模型提取第一人脸图像的第一特征向量，第一特征提取模型可以为神经网络模型，也可以为其他模型。103、使用第二特征提取模型提取第一人脸图像的第二特征向量。本实施例中，通过图像采集装置采集到第一人脸图像之后，将使用第二特征提取模型提取第一人脸图像的第二特征向量，第二特征提取模型可以为神经网络模型，也可以为其他模型。第一特征提取模型提取的第一特征向量的维度小于第二特征提取模型提取的第二特征向量的维度。可以理解，步骤102和步骤103可以并行执行，也可以串行执行；当步骤102和步骤103并行执行时，可以缩短人脸识别的时间。104、根据第一特征向量从数据库中选取目标特征向量集。本实施例中，使用第一特征提取模型提取到第一人脸图像的第一特征向量之后，可以先根据第一特征向量从数据库中本文档来自技高网...

【技术保护点】
1.一种人脸识别方法，其特征在于，包括：/n采集第一人脸图像；/n使用第一特征提取模型提取所述第一人脸图像的第一特征向量；/n使用第二特征提取模型提取所述第一人脸图像的第二特征向量，所述第一特征向量的维度小于所述第二特征向量的维度；/n根据所述第一特征向量从数据库中选取目标特征向量集；/n将所述第二特征向量与所述目标特征向量集中的向量进行匹配。/n

【技术特征摘要】
1.一种人脸识别方法，其特征在于，包括：
采集第一人脸图像；
使用第一特征提取模型提取所述第一人脸图像的第一特征向量；
使用第二特征提取模型提取所述第一人脸图像的第二特征向量，所述第一特征向量的维度小于所述第二特征向量的维度；
根据所述第一特征向量从数据库中选取目标特征向量集；
将所述第二特征向量与所述目标特征向量集中的向量进行匹配。


2.根据权利要求1所述的方法，其特征在于，所述数据库包括第一数据集和第二数据集，所述第一数据集是所述第一特征提取模型提取的人脸图像的特征向量的集合，所述第二数据集是所述第二特征提取模型提取的人脸图像的特征向量的集合；
所述根据所述第一特征向量从数据库中选取目标特征向量集包括：
计算所述第一特征向量与所述第一数据集中每个特征向量的相似度；
从所述第一数据集中选取相似度最大的M个特征向量，所述M为大于1的整数；
从所述第二数据集中选取与所述M个特征向量中每个特征向量对应的特征向量，获得目标特征向量集。


3.根据权利要求1所述的方法，其特征在于，所述将所述第二特征向量与所述目标特征向量集中的向量进行匹配包括：
计算所述第二特征向量与所述目标特征向量集中每个特征向量的相似度；
判断所述相似度中的最大值是否大于或等于阈值，当所述最大值大于或等于所述阈值时，确定所述第二特征向量与所述最大值对应的特征向量匹配。


4.根据权利要求1-3任一项所述的方法，其特征在于，所述第一特征提取模型的复杂度小于所述第二特征提取模型的复杂度。


5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
获取第二人脸图像以及第一身份特征向量，所述第一身份特征向量用于标识所述第二人脸图像对应的人；
使用第一模型提取所述第二人脸图像的第三特征向量；
根据所述第三特征向量和所述第一身份特征向量，计算第一损失值；
将所述第一损失值以梯度的方式反向传播至所述第一模型，获得更新参数的第一模型；
根据所述更新参数的第一模型更新第一损失值；
将第一损失值最小时对应的第一模型确定为第一特征提取模型。


6.一种人脸识别装置，其特征在于，包括：
采集单元，用于采集第一人脸图像；
第一提取单元，用于使用第一特征提取模型提取所述采集单元采集的第一人脸图像的第一特征向量；
第二提取单元，用于使用第二特...

【专利技术属性】
技术研发人员：吴伟，
申请(专利权)人：深圳云天励飞技术有限公司，
类型：发明
国别省市：广东;44