【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
人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。随着人工智能的发展，如何快速且准确地从海量数据中识别用户身份是一个重要的研究与应用方向。现有技术中，利用卷积神经网络的深度结构和非线性映射学习的特点，自动学习人脸特征和表达方法，并在人脸识别领域中逐渐成为主流。然而，目前现有技术中的此类深层神经网络结构，对人脸的识别性能有所改善，但在应用效率和准确率上还需要改进和提升。需要注意的是，本部分旨在为权利要求书中陈述的本公开的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
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，以解决现有技术中利用卷积神经网络的深度结构进行人脸识别的方法在应用效率和准确率上需要改进和提升的问题。第一方面，本专利技术实施例提供一种人脸识别方法，包括：建立海量人脸图片库，并对所述海量人脸图片库中包括的至少...
【技术保护点】
1.一种人脸识别方法，其特征在于，包括：/n建立海量人脸图片库，并对所述海量人脸图片库中包括的至少一张人脸图片进行筛选优化，所述人脸图片经过灰化处理且包括对应的身份信息；/n获取各所述人脸图片的第一人脸特征向量，所述第一人脸特征向量与所述人脸图片的身份信息相关联；/n获取待识别图片的第二人脸特征向量；/n分布式计算所述第二人脸特征向量与各所述第一人脸特征向量之间的第一欧式距离；/n根据所述第一欧式距离，识别与所述待识别图片相似度最高的人脸图片，并确定所述人脸图片的身份信息为所述待识别图片的身份信息。/n
【技术特征摘要】
1.一种人脸识别方法，其特征在于，包括：
建立海量人脸图片库，并对所述海量人脸图片库中包括的至少一张人脸图片进行筛选优化，所述人脸图片经过灰化处理且包括对应的身份信息；
获取各所述人脸图片的第一人脸特征向量，所述第一人脸特征向量与所述人脸图片的身份信息相关联；
获取待识别图片的第二人脸特征向量；
分布式计算所述第二人脸特征向量与各所述第一人脸特征向量之间的第一欧式距离；
根据所述第一欧式距离，识别与所述待识别图片相似度最高的人脸图片，并确定所述人脸图片的身份信息为所述待识别图片的身份信息。
2.根据权利要求1所述的方法，其特征在于，所述建立海量人脸图片库，并对所述海量人脸图片库中包括的至少一张人脸图片进行筛选优化，所述人脸图片经过灰化处理且包括对应的身份信息包括：
获取至少一张人脸图片，并将所述人脸图片存放入海量人脸图片库中，所述人脸图片包括对应的身份信息；
各所述人脸图片进行灰化处理后，对至少一张所述人脸图片进行聚类，使具有相同身份信息的人脸图片写入同一个文件夹中，所述文件夹以所述身份信息命名；
对每一文件夹中的所述人脸图片进行边缘检测，并根据边缘检测结果筛选得到清晰度满足第一预设条件的人脸图片。
3.根据权利要求2所述的方法，其特征在于，所述对各文件夹中的人脸图片进行边缘检测，并根据边缘检测结果筛选得到清晰度满足第一预设条件的人脸图片之后，还包括：
比较每一文件夹中清晰度满足第一预设条件的人脸图片中每一像素点与相邻像素点的亮度，并在所述像素点上标示一个梯度箭头，所述梯度箭头指向亮度变深的方向；
将所述人脸图片划分成多个区域，统计各所述区域内包含的梯度箭头在各个方向上的数量；
确定数量最多的梯度箭头为所述区域的梯度箭头，得到各所述人脸图片的梯度直方图；
对所述梯度直方图进行人脸检测，并根据人脸检测结果筛选得到包含人脸的人脸图片。
4.根据权利要求3所述的方法，其特征在于，所述对所述梯度直方图进行人脸检测，并根据人脸检测结果筛选得到包含人脸的人脸图片包括：
将所述梯度直方图处理成多个图片块；
将多个图片块分别与基于自编码器训练得到的多个人脸局部特征进行卷积运算和池化操作，并通过采用Softmax函数的输出层输出是否包含人脸的检测结果；
根据所述检测结果，筛选得到包含人脸的与所述梯度直方图对应的人脸图片。
5.根据权利要求4所述的方法，其特征在于，所述获取海量人脸图片库中各人脸图片的第一人脸特征向量，所述第一人脸特征向量与所述人脸图片的身份信息相关联包括：
基于梯度提升决策树的多个串联的树型回归器，从所述人脸图片中提取多个人脸特征点位置信息；
基于所述人脸特征点位...
【专利技术属性】
技术研发人员：王一冕，张锐，徐峰，
申请(专利权)人：电信科学技术第十研究所有限公司，
类型：发明
国别省市：陕西;61
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。