人脸识别方法、装置、计算机设备及存储介质制造方法及图纸

本申请实施例公开了一种人脸识别方法、装置、计算机设备及存储介质，属于计算机技术领域。该方法包括：获取目标人脸图像对应的第一特征图像以及第一特征图像对应的第一特征向量和第一特征数值，根据第一特征向量、第一特征数值以及模板人脸图像的第二特征图像对应的第二特征向量和第二特征数值，获取目标人脸图像和模板人脸图像之间的相似度，在相似度大于预设阈值的情况下确定目标人脸图像与模板人脸图像匹配。由于在获取相似度时考虑了特征图像的不确定度对相似度的影响，而不是仅考虑特征向量，可以避免人脸图像中存在干扰因素导致特征向量无法准确表示人脸特征的情况，可以提高人脸识别的准确率，能够保证人脸识别进行身份验证的安全性。

Face recognition method, device, computer equipment and storage medium

【技术实现步骤摘要】
人脸识别方法、装置、计算机设备及存储介质
本申请实施例涉及计算机
，特别涉及一种人脸识别方法、装置、计算机设备及存储介质。
技术介绍
人脸识别是基于人的脸部特征进行身份识别的一种生物特征识别技术，随着人工智能技术的飞速发展，基于人工智能的人脸识别在日常生活中的应用越来越广泛，可以在人脸识别支付、人脸识别登录应用等场景下对用户身份进行监控。相关技术中，调用人脸识别模型，分别提取采集的目标人脸图像对应的第一特征向量和模板人脸图像对应的第二特征向量，根据第一特征向量和第二特征向量获取目标人脸图像和模板人脸图像之间的相似度，根据该相似度确定目标人脸图像与模板人脸图像是否匹配，从而确定人脸识别是否通过。但是，由于人脸图像中存在干扰因素，例如人脸图像中存在遮挡物或者人脸图像本身比较模糊等，导致提取的特征向量不够准确，进而导致人脸识别的准确率较低。
技术实现思路
本申请实施例提供了一种人脸识别方法、装置、计算机设备及存储介质，可以提高人脸识别的准确率。所述技术方案包括如下内容。一方面，提供了一种人脸识别方法，所述方法包括：对本文档来自技高网...

【技术保护点】
1.一种人脸识别方法，其特征在于，所述方法包括：/n对目标人脸图像进行特征提取，得到所述目标人脸图像对应的第一特征图像及所述第一特征图像对应的第一特征向量；/n对所述第一特征图像进行处理，得到所述第一特征图像对应的第一特征数值，所述第一特征数值用于表示所述第一特征图像描述所述目标人脸图像中人脸特征的不确定度；/n根据所述第一特征向量、所述第一特征数值以及模板人脸图像的第二特征图像对应的第二特征向量、所述第二特征图像对应的第二特征数值，获取所述目标人脸图像和所述模板人脸图像之间的相似度，所述第二特征数值用于表示所述第二特征图像描述所述模板人脸图像中人脸特征的不确定度；/n在所述相似度大于预设阈值...

【技术特征摘要】
1.一种人脸识别方法，其特征在于，所述方法包括：
对目标人脸图像进行特征提取，得到所述目标人脸图像对应的第一特征图像及所述第一特征图像对应的第一特征向量；
对所述第一特征图像进行处理，得到所述第一特征图像对应的第一特征数值，所述第一特征数值用于表示所述第一特征图像描述所述目标人脸图像中人脸特征的不确定度；
根据所述第一特征向量、所述第一特征数值以及模板人脸图像的第二特征图像对应的第二特征向量、所述第二特征图像对应的第二特征数值，获取所述目标人脸图像和所述模板人脸图像之间的相似度，所述第二特征数值用于表示所述第二特征图像描述所述模板人脸图像中人脸特征的不确定度；
在所述相似度大于预设阈值的情况下，确定所述目标人脸图像与所述模板人脸图像匹配。


2.根据权利要求1所述的方法，其特征在于，所述对目标人脸图像进行特征提取，得到所述目标人脸图像对应的第一特征图像及所述第一特征图像对应的第一特征向量，包括：
调用人脸识别模型中的特征提取子模型，对目标人脸图像进行特征提取，得到所述目标人脸图像对应的第一特征图像及所述第一特征图像对应的第一特征向量。


3.根据权利要求2所述的方法，其特征在于，所述对所述第一特征图像进行处理，得到所述第一特征图像对应的第一特征数值，包括：
调用所述人脸识别模型中的预测子模型，对所述第一特征图像进行处理，得到所述第一特征图像对应的第一特征数值。


4.根据权利要求2所述的方法，其特征在于，所述特征提取子模型包括特征提取层和特征映射层，所述调用人脸识别模型中的特征提取子模型，对目标人脸图像进行特征提取，得到所述目标人脸图像对应的第一特征图像及所述第一特征图像对应的第一特征向量，包括：
调用所述特征提取层，对所述目标人脸图像进行特征提取，得到所述目标人脸图像对应的第一特征图像；
调用所述特征映射层，对所述第一特征图像进行特征映射，得到所述第一特征图像对应的第一特征向量。


5.根据权利要求3所述的方法，其特征在于，所述调用所述人脸识别模型中的预测子模型，对所述第一特征图像进行处理，得到所述第一特征图像对应的第一特征数值之前，所述方法还包括：
根据样本人脸图像和所述样本人脸图像对应的样本特征向量，训练所述特征提取子模型；
在保持训练后的特征提取子模型不变的情况下，根据所述样本特征向量和所述样本人脸图像所属人脸标识的中心特征向量，训练所述预测子模型。


6.根据权利要求5所述的方法，其特征在于，所述根据样本人脸图像和所述样本人脸图像对应的样本特征向量，训练所述特征提取子模型，包括：
获取所述样本人脸图像和所述样本人脸图像对应的样本特征向量；
调用所述特征提取子模型，对所述样本人脸图像进行特征提取，得到所述样本人脸图像对应的预测特征图像及所述预测特征图像对应的预测特征向量；
根据所述预测特征向量和所述样本特征向量之间的差异，训练所述特征提取子模型。


7.根据权利要求6所述的方法，其特征在于，所述特征提取子模型包括特征提取层和特征映射层，所述调用所述特征提取子模型，对所述样本人脸图像进行特征提取，得到所述样本人脸图像对应的预测特征图像及所述预测特征图像对应的预测特征向量，包括：
调用所述特征提取层，对所述样本人脸图像进行特征提取，得到所述样本人脸图像对应的预测特征图像；
调用所述特征映射层，对所述预测特征图像进行特征映射，得到所述预测特征图像对应的预测特征向量。


8.根据权利要求6所述的方法，其特征在于，所述人脸识别模型还包括损失获取子模型，所述...

【专利技术属性】
技术研发人员：许剑清，沈鹏程，李绍欣，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44