一种人脸识别方法，装置及存储设备制造方法及图纸

本发明专利技术提供了一种人脸识别方法，装置及存储设备，可在复杂环境下准确获取脸部图像，包括获取待识别人脸图片，采用目标检测算法将图片中人脸区域检测出来；采用WGAN网络处理表情图片，去除遮挡物并还原完整清晰的脸部图片；采用FCN网络处理脸部图片，将脸部与头部的其它部分区分，并记录脸部边缘坐标点；根据脸部边缘坐标点选择脸部区域，提取清晰完整的脸部图片。

【技术实现步骤摘要】
一种人脸识别方法，装置及存储设备
本专利技术涉及机器学习
，具体涉及一种人脸识别方法，装置及存储设备。
技术介绍
随着“放、管、服”改革的持续推进，为了推进政务窗口服务质量的提升，需要借助人工智能技术以对工作人员的服务做一个评价参考。因此，采用基于深度学习的图像识别技术对顾客进行表情识别，以根据顾客表情对服务进行评分是一种可行的思路。但是制约表情识别效果提升的因素之一，就是复杂场景下顾客脸部检测不够准确，如各种遮挡物，背景等极易影响识别效果。
技术实现思路
本专利技术的目的是提供一种人脸识别方法，装置及存储设备，用以在复杂环境下准确获取脸部图像。为了达到上述目的，本专利技术一方面提供一种人脸识别方法，包括：获取待识别人脸图片，采用目标检测算法将图片中人脸区域检测出来；采用WGAN网络处理表情图片，去除遮挡物并还原完整清晰的脸部图片；采用FCN网络处理脸部图片，将脸部与头部的其它部分区分，并记录脸部边缘坐标点；根据脸部边缘坐标点选择脸部区域，提取清晰完整的脸部图片。进一步的，使用基于SSD网络的人脸检测算法获取图像中的人脸位置，将图像输入SSD网络，从网络的输出中获得人脸区域的坐标。进一步的，所述WGAN网络模型包括第一生成网络和第一判别网络，所述第一生成网络包括卷积层，空洞卷积层，批归一化层，平均池化层，lrelu激活层，relu激活层和残差块，所述第一判别网络包括5个卷积块。进一步的，采用WGAN网络模型对有遮挡物和无遮挡物的脸部图片数据集进行学习，还原完整清晰的脸部图片，所述遮挡物包括眼镜、胡须、帽子、额头遮挡物等。进一步的，所述FCN网络采用反卷积层对卷积结果进行采样，从而对脸部图片的像素作出预测，从而进行像素级别的分类以完成图像的分割。进一步的，根据所述脸部边缘坐标点选择人脸区域，去除人脸区域以外的背景区域并对人脸区域做标准化处理。另一方面，本专利技术还提供一种人脸识别装置，包括：人脸图像获取模块，用以获取待识别的人脸图片；遮挡物去除模块，用以通过WGAN网络根据现有的表情图片生成无表情的标准图；脸部区域区分模块，用以采用FCN网络处理脸部图片，将脸部与头部的其它部分区分，并记录脸部边缘坐标点；脸部图片提取模块，用以根据脸部边缘坐标点选择脸部区域，提取清晰完整的脸部图片。另一方面，本专利技术还提供一种存储装置，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求上述人脸识别方法中的步骤。本专利技术提供了一种人脸识别方法，装置及存储设备，可在复杂环境下准确获取脸部图像，包括获取待识别人脸图片，采用目标检测算法将图片中人脸区域检测出来；采用WGAN网络处理表情图片，去除遮挡物并还原完整清晰的脸部图片；采用FCN网络处理脸部图片，将脸部与头部的其它区域区分，并记录脸部边缘坐标点；根据脸部边缘坐标点选择脸部区域，提取清晰完整的脸部图片。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其它的附图。图1是本专利技术一个实施例的一种人脸识别方法的方法流程图。图2为本专利技术一个实施例的一种人脸识别装置的系统架构图。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，所描述的实施例仅仅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作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。、在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。如果申请文件中出现“第一/第二”的类似描述则增加以下的说明，在以下的描述中，所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的
的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。下面参照附图描述根据本专利技术实施例提出的一种人脸识别方法，装置和存储设备，首先将参照附图描述根据本专利技术实施例提出的一种人脸识别方法。图1是本专利技术一个实施例的人脸识别方法的方法流程图。如图1所示，该测评方法包括以下步骤：步骤S1，获取待识别人脸图片，采用目标检测算法将图片中人脸区域检测出来。作为一个实施例，本专利技术使用基于SSD网络的人脸检测算法获取图像中的人脸位置，将图像输入SSD网络，从网络的输出中获得人脸区域的坐标。具体的，SSD算法(SingleShotMultiBoxDetector)，SSD的骨干网络是基于传统的图像分类网络，例如VGG，ResNet等。在本实施例经过卷积层(con.layer)和池化层(maxpooling)的处理，得到人脸的特征图(featuremaps)。在这些特征图上进行回归计算，得到人脸的位置和类别，从而获得人脸区域的坐标。步骤S2，采用WGAN网络处理表情图片，去除遮挡物并还原完整清晰的脸部图片；生成式对抗网络(GenerativeAdversarialNetwork，GAN)是一种生成式深度学习网络模型，近年来在计算机视觉领域应用效果良好。随着深度学习及移动设备的快速发展，将深度学习应用在图像处理、图像生成、图像风格迁移等领域有非常巨大的应用效果。GAN能生成目标数据集，以弥补训练数据不足的缺陷，因此对深度学习意义重大。在一个实施例中，所述WGAN网络模型包括第一生成网络和第一判别网络，所述第一生成网络包括卷积层，空洞卷积层，批归一化层，平均池化层，lrelu激活层，relu激活层和残差块，所述第一判别网络包括5个卷积块。WGAN网络的原理为：(1)训练第一代第一生成网络和第一代第一判别网络。从一个噪声分布从采样作为输入，输入第一代第一生成器网络，它能生成一些很差的脸部图片。然后第一代第一判别网络可以将现有的脸部图片与生成的脸部图片进行判断，判别器可以准确的判别出哪些是现有的脸部图片哪些是生成的脸部图片。(2)训练第二代生成网络和第二代判别网络。可以生成更好的脸部图片，让第二代第一判别器很难判断哪些是更好的脸部图片，哪些是更差的脸部图片。(3)不断有第3代，第4代，。。。第n代。直到第n代判别网络几乎无法判断出更好的脸部图片时停止。此时的第n代生成器就是最好的脸部图片的生成本文档来自技高网...

【技术保护点】
1.一种人脸识别方法，其特征在于，包括：/n获取待识别人脸图片，采用目标检测算法将图片中人脸区域检测出来；/n采用WGAN网络处理表情图片，去除遮挡物并还原完整清晰的脸部图片；/n采用FCN网络处理脸部图片，将脸部与头部的其它部分区分，并记录脸部边缘坐标点；/n根据脸部边缘坐标点选择脸部区域，提取清晰完整的脸部图片。/n

【技术特征摘要】
1.一种人脸识别方法，其特征在于，包括：
获取待识别人脸图片，采用目标检测算法将图片中人脸区域检测出来；
采用WGAN网络处理表情图片，去除遮挡物并还原完整清晰的脸部图片；
采用FCN网络处理脸部图片，将脸部与头部的其它部分区分，并记录脸部边缘坐标点；
根据脸部边缘坐标点选择脸部区域，提取清晰完整的脸部图片。


2.如权利要求1所述的一种人脸识别方法，其特征在于，使用基于SSD网络的人脸检测算法获取图像中的人脸位置，将图像输入SSD网络，从网络的输出中获得人脸区域的坐标。


3.如权利要求1所述的一种人脸识别方法，其特征在于，
所述WGAN网络模型包括第一生成网络和第一判别网络，所述第一生成网络包括卷积层，空洞卷积层，归一化层，平均池化层，lrelu激活层，relu激活层和残差块，所述第一判别网络包括5个卷积块。


4.如权利要求3所述的一种人脸识别方法，其特征在于，
采用WGAN网络模型对有遮挡物和无遮挡物的脸部图片数据集进行学习，还原完整清晰的脸部图片，所...

【专利技术属性】
技术研发人员：刘凤余，张琼，王培基，
申请(专利权)人：上海卓繁信息技术股份有限公司，
类型：发明
国别省市：上海;31