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 ...
【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
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。