人脸识别方法、目标图像的确定方法、装置和电子系统制造方法及图纸

本发明专利技术提供了一种人脸识别方法、目标图像的确定方法、装置和电子系统，对包含有人脸的待识别图像进行特征提取，得到待识别图像的特征数据；根据待识别图像的特征数据，确定待识别图像和标准图像之间的相似度；根据相似度，确定待识别图像中的人脸与标准图像中的人脸是否相同。本发明专利技术中，从待识别图像中提取的特征数据包括与人脸相关的人脸特征，以及人脸特征中包含的与识别人脸无关的干扰特征；在确定待识别图像和标准图像之间的相似度时，同时考虑了人脸特征及由于待识别图像的信息缺失导致的干扰特征，从而降低了干扰特征对人脸识别的影响，提高了人脸识别的准确率。

【技术实现步骤摘要】
人脸识别方法、目标图像的确定方法、装置和电子系统
本专利技术涉及目标识别
，尤其是涉及一种人脸识别方法、目标图像的确定方法、装置和电子系统。
技术介绍
相关技术中，人脸识别方式通常为：预先存储有底库图，该底库图中包含有无遮挡、小扭转角度的人脸，还可以存储有该底库图对应的人脸特征；待识别图像输入至训练好的人脸特征提取网络中，输出该待识别图像对应的人脸特征，然后计算该人脸特征与底库图的人脸特征之间的特征距离，根据该特征距离与预设的距离阈值之间的比较结果，确定待识别图像中的人脸与底库图中的人脸是否具有相同的身份，即是否属于同一个人。然而，当待识别图像中人脸的图像信息缺失较为严重时，如待识别图像中的人脸佩戴有口罩、人脸扭转角度较大或灯光条件较差时，待识别图像质量较差，进而导致人脸识别的准确率较低。
技术实现思路
本专利技术的目的在于提供一种人脸识别方法、目标图像的确定方法、装置和电子系统，以提高在待识别图像的面部信息缺失情况下，对人脸识别的准确率。第一方面，本专利技术实施例提供了一种人脸识别方法，该方法包括：对包含有人脸的待识别图像进行特征提取，得到待识别图像的特征数据；其中，特征数据包括：与人脸相关的人脸特征，以及人脸特征中包含的与识别人脸无关的干扰特征；根据待识别图像的特征数据，确定待识别图像和标准图像之间的相似度；根据相似度，确定待识别图像中的人脸与标准图像中的人脸是否相同。结合第一方面，本专利技术实施例提供了第一方面的第一种可能的实施方式，其中，对包含有人脸的待识别图像进行特征提取的步骤，包括：通过特征提取网络，提取待识别图像的特征数据；其中，特征提取网络基于第一损失值和第二损失值训练得到；第一损失值包括：特征提取网络提取的样本图像的人脸特征对应的损失值；第二损失值包括：根据样本图像的人脸特征，以及样本图像所属人脸类别的参考特征，计算得到的样本图像的干扰特征对应的损失值。结合第一方面的第一种可能的实施方式，本专利技术实施例提供了第一方面的第二种可能的实施方式，其中，上述第二损失值具体通过下述方式确定：计算样本图像的人脸特征，与样本图像所属人脸类别的参考特征之间的第一特征距离；计算样本图像的干扰特征与第一特征距离之间的第二特征距离，将第二特征距离确定为第二损失值。结合第一方面的第二种可能的实施方式，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中，当样本图像的人脸特征和样本图像的干扰特征的特征维度相同时，第一特征距离包括：样本图像的人脸特征，与样本图像所属人脸类别的参考特征的特征之差；第二特征距离包括：样本图像的干扰特征与特征之差之间的差值的范数。结合第一方面的第二种可能的实施方式，本专利技术实施例提供了第一方面的第四种可能的实施方式，其中，当样本图像的人脸特征和样本图像的干扰特征的特征维度不同时，第一特征距离包括：样本图像的人脸特征，与样本图像所属人脸类别的参考特征的特征之差的范数；第二特征距离包括：样本图像的干扰特征的范数，与特征之差的范数的差值的绝对值。结合第一方面的第一种可能的实施方式，本专利技术实施例提供了第一方面的第五种可能的实施方式，其中，上述特征提取网络包括：第一子网络和第二子网络；第一子网络用于：接收待识别图像，输出待识别图像的人脸特征；第二子网络用于：接收人脸特征，输出干扰特征。结合第一方面的第五种可能的实施方式，本专利技术实施例提供了第一方面的第六种可能的实施方式，其中，上述第二子网络包括残差结构、瓶颈结构或waterfall结构的全连接网络。结合第一方面，本专利技术实施例提供了第一方面的第七种可能的实施方式，其中，根据待识别图像的特征数据，确定待识别图像和标准图像之间的相似度的步骤，包括：获取标准图像的特征数据；确定待识别图像的特征数据与标准图像的特征数据之间的第三特征距离，将第三特征距离确定为待识别图像和标准图像之间的相似度。结合第一方面的第七种可能的实施方式，本专利技术实施例提供了第一方面的第八种可能的实施方式，其中，确定待识别图像的特征数据与标准图像的特征数据之间的第三特征距离的步骤，包括：计算待识别图像的人脸特征和标准图像的人脸特征之间的人脸特征子距离；计算待识别图像对应的干扰特征和标准图像对应的干扰特征之间的干扰特征子距离；根据人脸特征子距离和干扰特征子距离，确定待识别图像的特征数据与标准图像的特征数据之间的第三特征距离。结合第一方面的第八种可能的实施方式，本专利技术实施例提供了第一方面的第九种可能的实施方式，其中，根据人脸特征子距离和干扰特征子距离，确定待识别图像的特征数据与标准图像的特征数据之间的第三特征距离的步骤，包括：确定干扰特征子距离对应的权重值；计算人脸特征子距离，减去干扰特征子距离乘以权重值后的数值，将数值确定为待识别图像的特征数据与标准图像的特征数据之间的第三特征距离。结合第一方面，本专利技术实施例提供了第一方面的第十种可能的实施方式，其中，根据相似度，确定待识别图像中的人脸与标准图像中的人脸是否相同的步骤，包括：当相似度小于相似度阈值时，确定待识别图像中的人脸与标准图像中的人脸相同；当相似度大于或等于相似度阈值时，确定待识别图像中的人脸与标准图像中的人脸不相同。第二方面，本专利技术实施例还提供一种目标图像的确定方法，该方法包括：对包含有人脸的待识别图像进行特征提取，得到待识别图像的特征数据；其中，特征数据包括：与人脸相关的人脸特征以及人脸特征中包含的与识别人脸无关的干扰特征；当干扰特征与预设原点特征的距离，小于预设的第一距离阈值时，将待识别图像确定为目标图像。结合第二方面，本专利技术实施例提供了第二方面的第一种可能的实施方式，其中，上述干扰特征与预设原点特征的距离，包括干扰特征的范数。第三方面，本专利技术实施例还提供一种特征提取模型的训练方法，该方法包括：将样本图像输入至特征提取网络；通过特征提取网络提取样本图像的特征数据；其中，特征数据包括：与人脸相关的人脸特征以及人脸特征中包含的与识别人脸无关的干扰特征；基于预设的损失函数和样本图像的特征数据，计算损失值；根据损失值对特征提取网络进行迭代训练，得到训练后的特征提取模型。结合第三方面，本专利技术实施例提供了第三方面的第一种可能的实施方式，其中，上述损失值包括第一损失值和第二损失值；上述基于预设的损失函数和样本图像的特征数据，计算损失值的步骤，包括：根据样本图像的人脸特征，计算第一损失值；根据样本图像的人脸特征，以及样本图像所属人脸类别的参考特征，计算样本图像的干扰特征对应的第二损失值。结合第三方面的第一种可能的实施方式，本专利技术实施例提供了第三方面的第二种可能的实施方式，其中，根据样本图像的人脸特征，以及样本图像所属人脸类别的参考特征，计算样本图像的干扰特征的第二损失值的步骤，包括：将特征提取网络输出的人脸类别的多张样本图像的人脸特征的平均值，确定为样本图像所属人脸类别的参考特征；计算样本图像的人脸特征，与人脸类别的参考特征之间的第四特征距离；计算样本图像的干扰特征与第四特征距离之间的第五特征距离，将第五特征距离确定为第二损失值。结合第三方面的第一本文档来自技高网...

【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对包含有人脸的待识别图像进行特征提取，得到所述待识别图像的特征数据；其中，所述特征数据包括：与所述人脸相关的人脸特征，以及所述人脸特征中包含的与识别所述人脸无关的干扰特征；/n根据所述待识别图像的特征数据，确定所述待识别图像和标准图像之间的相似度；/n根据所述相似度，确定所述待识别图像中的人脸与所述标准图像中的人脸是否相同。/n

【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：
对包含有人脸的待识别图像进行特征提取，得到所述待识别图像的特征数据；其中，所述特征数据包括：与所述人脸相关的人脸特征，以及所述人脸特征中包含的与识别所述人脸无关的干扰特征；
根据所述待识别图像的特征数据，确定所述待识别图像和标准图像之间的相似度；
根据所述相似度，确定所述待识别图像中的人脸与所述标准图像中的人脸是否相同。


2.根据权利要求1所述的方法，其特征在于，对包含有人脸的待识别图像进行特征提取的步骤，包括：
通过特征提取网络，提取待识别图像的特征数据；
其中，所述特征提取网络基于第一损失值和第二损失值训练得到；所述第一损失值包括：所述特征提取网络提取的样本图像的人脸特征对应的损失值；
所述第二损失值包括：根据所述样本图像的人脸特征，以及所述样本图像所属人脸类别的参考特征，计算得到的所述样本图像的干扰特征对应的损失值。


3.根据权利要求2所述的方法，其特征在于，所述第二损失值具体通过下述方式确定：
计算所述样本图像的人脸特征，与所述样本图像所属人脸类别的参考特征之间的第一特征距离；
计算所述样本图像的干扰特征与所述第一特征距离之间的第二特征距离，将所述第二特征距离确定为所述第二损失值。


4.根据权利要求3所述的方法，其特征在于，当所述样本图像的人脸特征和所述样本图像的干扰特征的特征维度相同时，所述第一特征距离包括：所述样本图像的人脸特征，与所述样本图像所属人脸类别的参考特征的特征之差；
所述第二特征距离包括：所述样本图像的干扰特征与所述特征之差之间的差值的范数。


5.根据权利要求3所述的方法，其特征在于，当所述样本图像的人脸特征和所述样本图像的干扰特征的特征维度不同时，所述第一特征距离包括：所述样本图像的人脸特征，与所述样本图像所属人脸类别的参考特征的特征之差的范数；
所述第二特征距离包括：所述样本图像的干扰特征的范数，与所述特征之差的范数的差值的绝对值。


6.根据权利要求2所述的方法，其特征在于，所述特征提取网络包括：第一子网络和第二子网络；
所述第一子网络用于：接收所述待识别图像，输出所述待识别图像的人脸特征；
所述第二子网络用于：接收所述人脸特征，输出所述干扰特征。


7.根据权利要求6所述的方法，其特征在于，所述第二子网络包括残差结构、瓶颈结构或waterfall结构的全连接网络。


8.根据权利要求1所述的方法，其特征在于，根据所述待识别图像的特征数据，确定所述待识别图像和标准图像之间的相似度的步骤，包括：
获取标准图像的特征数据；
确定所述待识别图像的特征数据与所述标准图像的特征数据之间的第三特征距离，将所述第三特征距离确定为所述待识别图像和标准图像之间的相似度。


9.根据权利要求8所述的方法，其特征在于，确定所述待识别图像的特征数据与所述标准图像的特征数据之间的第三特征距离的步骤，包括：
计算所述待识别图像的人脸特征和所述标准图像的人脸特征之间的人脸特征子距离；
计算所述待识别图像对应的干扰特征和所述标准图像对应的干扰特征之间的干扰特征子距离；
根据所述人脸特征子距离和所述干扰特征子距离，确定所述待识别图像的特征数据与所述标准图像的特征数据之间的第三特征距离。


10.根据权利要求9所述的方法，其特征在于，根据所述人脸特征子距离和所述干扰特征子距离，确定所述待识别图像的特征数据与所述标准图像的特征数据之间的第三特征距离的步骤，包括：
确定所述干扰特征子距离对应的权重值；
计算所述人脸特征子距离，减去所述干扰特征子距离乘以所述权重值后的数值，将所述数值确定为所述待识别图像的特征数据与所述标准图像的特征数据之间的第三特征距离。


11.根据权利要求1所述的方法，其特征在于，根据所述相似度，确定所述待识别图像中的人脸与所述标准图像中的人脸是否相同的步骤，包括：
当所述相似度小于相似度阈值时，确定所述待识别图像中的人脸与所述标准图像中的人脸相同；
当所述相似度大于或等于所述相似度阈值时，确定所述待识别图像中的人脸与所述标准图像中的人脸不相同。


12.一种目标图像的确定方法，其特征在于，所述方法包括：
对包含有人脸的待识别图像...

【专利技术属性】
技术研发人员：王塑，刘宇，
申请(专利权)人：北京迈格威科技有限公司，
类型：发明
国别省市：北京;11