人脸识别方法、系统及电子设备技术方案

一种人脸识别方法，包括：获取待认证人脸图像数据、第一神经网络模型、第二神经网络模型、第一注册用户特征向量数据以及第二注册用户特征向量数据；第一神经网络模型提取图像粗粒度特征，第二神经网络模型提取图像细粒度特征；利用第一神经网络模型提取待认证人脸图像数据中的第一待认证用户人脸特征向量数据；将第一待认证用户人脸特征向量数据与第一注册用户特征向量数据进行相似度比对，得到第一比对结果，当第一比对结果通过，则利用第二神经网络模型、第二注册用户特征向量数据、待认证人脸图像数据继续执行下一轮认证，否则认证失败或重试。其优点是：通过第一神经网络模型对待认证用户进行第一次低精度识别阻断部分非法认证和误触发认证。

【技术实现步骤摘要】
人脸识别方法、系统及电子设备
本申请涉及人脸识别
，特别是涉及一种人脸识别方法、系统及电子设备。
技术介绍
随着计算机技术的发展，人脸识别(FaceRecognition)技术被各种智能终端设备所应用，例如，手机、平板电脑、智能门锁等等。对于人脸识别方法，现有的常规技术手段主要是通过采集设备如摄像头来获取当前人脸图像数据，输入至处理器如专用图像处理器，经过处理器对人脸图像中关键点的检测、对齐以后使用特定的算法例如神经网络算法来提取用户人脸特征数据，然后通过加载外部存储器中预存的注册模板人脸特征数据，来与提取得到的用户人脸特征数据进行相似度比对，从而实现人脸识别。上述传统方法存在的缺点是：对非法用户的认证或者行为误触发的认证不能进行有效限制，进一步的，造成后续加载相应子系统以及图像处理过程中不必要的能源损耗。
技术实现思路
基于此，有必要针对上述技术问题，提供一种人脸识别方法、系统及电子设备。一种人脸识别方法，其特征是，包括：获取待认证人脸图像数据、第一神经网络模型、第二神经网络模型、第一注册用户特征向量数据以及第二注册用户特征向量数据，其中，所述第一神经网络模型提取图像粗粒度特征，所述第二神经网络模型提取图像细粒度特征；利用所述第一神经网络模型提取所述待认证人脸图像数据中的第一待认证用户人脸特征向量数据；将所述第一待认证用户人脸特征向量数据与所述第一注册用户特征向量数据进行相似度比对，得到第一比对结果，当第一比对结果通过，则利用所述第二神经网络模型、第二注册用户特征向量数据、待认证人脸图像数据继续执行下一轮认证，否则认证失败或重试。上述的人脸识别方法，其中，所述的下一轮认证的步骤具体包括：利用所述第二神经网络模型提取所述待认证人脸图像数据中的第二待认证用户人脸特征向量数据；将所述第二待认证用户人脸特征向量数据与所述第二注册用户特征向量数据进行相似度比对，得到第二比对结果。上述的人脸识别方法，其中，所述的将所述第一待认证用户人脸特征向量数据与所述第一注册用户特征向量数据进行第一次相似度比对，得到第一比对结果的步骤具体包括：将所述第一待认证用户人脸特征向量数据与所述第一注册用户特征向量数据进行相似度比对，得到第一相似度分数；若第一相似度分数≥第一阈值，则通过；若第一阈值＞第一相似度分数≥第二阈值，则重试，返回重新获取待认证人脸图像数据；若第一相似度分数＜第二阈值，则认证失败，结束或采取其他附加方式认证。上述的人脸识别方法，其中：所述的将所述第二待认证用户人脸特征向量数据与所述第二注册用户特征向量数据进行相似度比对，得到第二比对结果的步骤具体包括：将所述第二待认证用户人脸特征向量数据与所述第二注册用户特征向量数据进行相似度比对，得到第二相似度分数；若第二相似度分数≥第三阈值，则通过；若第三阈值＞第二相似度分数≥第四阈值，则重试，返回重新获取待认证人脸图像数据；若第二相似度分数＜第四阈值，则认证失败，结束或采取其他附加方式认证；所述的人脸识别方法还包括：对返回重新获取待认证人脸图像数据的总次数进行统计，当超过预设次数仍不能认证通过，则结束或采取其他附加方式认证的步骤。上述的人脸识别方法，其中，还包括：获取待注册人脸图像数据；通过所述第一神经网络模型对所述待注册人脸图像数据进行特征向量提取得到所述第一注册用户特征向量数据；通过所述第二神经网络模型对所述待注册人脸图像数据进行特征向量提取得到所述第二注册用户特征向量数据；其中，所述第一注册用户特征向量数据的索引标签与所述第二注册用户特征向量数据的索引标签一一对应，当所述第一比对结果通过后，根据所述第一注册用户特征向量数据索引直接获取对应的所述第二注册用户特征向量数据，用于与所述第二待认证用户人脸特征向量数据进行相似度比对。上述的人脸识别方法，其中：所述第二神经网络模型与所述第一神经网络模型共享部分特征层。一种人脸识别系统，其特征是，包括：激活模块，用于在获得外界激活指令时激活系统，所述外界激活指令包括检测物体靠近或收到系统激活指令；数据获取模块，用于获取待认证人脸图像数据、第一神经网络模型、第二神经网络模型、第一注册用户特征向量数据以及第二注册用户特征向量数据，其中，所述第一神经网络模型提取图像粗粒度特征，所述第二神经网络模型提取图像细粒度特征；数据存储模块，包括片内存储器和片外存储器；其中，所述片内存储器存储所述第一神经网络模型和所述第一注册用户特征向量中的至少一个；对比模块，包括第一对比模块和第二对比模块；其中，所述第一对比模块用于利用所述第一神经网络模型提取所述待认证人脸图像数据中的第一待认证用户人脸特征向量数据；将所述第一待认证用户人脸特征向量数据与所述第一注册用户特征向量数据进行相似度比对，得到第一比对结果；所述第二对比模块用于当所述第一比对结果通过时，利用所述第二神经网络模型、第二注册用户特征向量数据、待认证人脸图像数据继续执行下一轮认证。上述人脸识别系统，其中：所述片内存储器存储所述第一神经网络模型和所述第一注册用户特征向量数据，所述片外存储器存储所述第二神经网络模型和所述第二注册用户特征向量数据，或者，所述片内存储器存储所述第一注册用户特征向量数据和所述第二注册用户特征向量数据，所述片外存储器存储所述第一神经网络模型和所述第二神经网络模型，或者，所述片内存储器存储所述第一注册用户特征向量数据，所述片外存储器存储所述第二注册用户特征向量数据、所述第一神经网络模型以及所述第二神经网络模型。上述人脸识别系统，其中：所述激活模块获得外界激活指令后，所述数据获取模块获取所述待认证人脸图像数据，所述激活模块首先激活所述第一对比模块，所述第一对比模块获取所述第一神经网络模型和所述第一注册用户特征向量数据，并配置所述第一神经网络模型提取所述待认证人脸图像数据中的第一待认证用户人脸特征向量数据，将所述第一待认证用户人脸特征向量数据与所述第一注册用户特征向量数据进行相似度对比计算，得到第一比对结果，若第一比对结果通过则，所述激活模块激活所述第二对比模块，所述第二比对模块获取所述第二神经网络模型和所述第二注册用户特征向量数据，并配置所述第二神经网络模型提取所述待认证人脸图像数据中的第二待认证用户人脸特征向量数据，将所述第二待认证用户人脸特征向量数据与所述第二注册用户特征向量数据进行比对。一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征是：所述处理器执行所述计算机程序时实现上述方法的步骤。上述的人脸识别方法、系统及电子设备，较现有技术具有如下优点：1、通过第一神经网络模型预先对待认证用户进行第一次低精度识别，以阻断部分非法认证和误触发认证，并能同时降低功耗；2、将第一神经网络模型设计成特征提取精度低于第二神经网络本文档来自技高网...

【技术保护点】
1.一种人脸识别方法，其特征在于，包括：/n获取待认证人脸图像数据、第一神经网络模型、第二神经网络模型、第一注册用户特征向量数据以及第二注册用户特征向量数据，其中，所述第一神经网络模型提取图像粗粒度特征，所述第二神经网络模型提取图像细粒度特征；/n利用所述第一神经网络模型提取所述待认证人脸图像数据中的第一待认证用户人脸特征向量数据；/n将所述第一待认证用户人脸特征向量数据与所述第一注册用户特征向量数据进行相似度比对，得到第一比对结果，当第一比对结果通过，则利用所述第二神经网络模型、第二注册用户特征向量数据、待认证人脸图像数据继续执行下一轮认证，否则认证失败或重试。/n

【技术特征摘要】
1.一种人脸识别方法，其特征在于，包括：
获取待认证人脸图像数据、第一神经网络模型、第二神经网络模型、第一注册用户特征向量数据以及第二注册用户特征向量数据，其中，所述第一神经网络模型提取图像粗粒度特征，所述第二神经网络模型提取图像细粒度特征；
利用所述第一神经网络模型提取所述待认证人脸图像数据中的第一待认证用户人脸特征向量数据；
将所述第一待认证用户人脸特征向量数据与所述第一注册用户特征向量数据进行相似度比对，得到第一比对结果，当第一比对结果通过，则利用所述第二神经网络模型、第二注册用户特征向量数据、待认证人脸图像数据继续执行下一轮认证，否则认证失败或重试。


2.根据权利要求1所述的人脸识别方法，其特征在于，所述的下一轮认证的步骤具体包括：
利用所述第二神经网络模型提取所述待认证人脸图像数据中的第二待认证用户人脸特征向量数据；
将所述第二待认证用户人脸特征向量数据与所述第二注册用户特征向量数据进行相似度比对，得到第二比对结果。


3.根据权利要求2所述的人脸识别方法，其特征在于，所述的将所述第一待认证用户人脸特征向量数据与所述第一注册用户特征向量数据进行第一次相似度比对，得到第一比对结果的步骤具体包括：
将所述第一待认证用户人脸特征向量数据与所述第一注册用户特征向量数据进行相似度比对，得到第一相似度分数；
若第一相似度分数≥第一阈值，则通过；
若第一阈值＞第一相似度分数≥第二阈值，则重试，返回重新获取待认证人脸图像数据；
若第一相似度分数＜第二阈值，则认证失败，结束或采取其他附加方式认证。


4.根据权利要求3所述的人脸识别方法，其特征在于：
所述的将所述第二待认证用户人脸特征向量数据与所述第二注册用户特征向量数据进行相似度比对，得到第二比对结果的步骤具体包括：
将所述第二待认证用户人脸特征向量数据与所述第二注册用户特征向量数据进行相似度比对，得到第二相似度分数；
若第二相似度分数≥第三阈值，则通过；
若第三阈值＞第二相似度分数≥第四阈值，则重试，返回重新获取待认证人脸图像数据；
若第二相似度分数＜第四阈值，则认证失败，结束或采取其他附加方式认证；
所述的人脸识别方法还包括：对返回重新获取待认证人脸图像数据的总次数进行统计，当超过预设次数仍不能认证通过，则结束或采取其他附加方式认证的步骤。


5.根据权利要求2所述的人脸识别方法，其特征在于，还包括：
获取待注册人脸图像数据；
通过所述第一神经网络模型对所述待注册人脸图像数据进行特征向量提取得到所述第一注册用户特征向量数据；
通过所述第二神经网络模型对所述待注册人脸图像数据进行特征向量提取得到所述第二注册用户特征向量数据；
其中，所述第一注册用户特征向量数据的索引标签与所述第二注册用户特征向量数据的索引标签一一对应，当所述第一比对结果通过后，根据所述第一注册用户特征向量数据索引直接获取对应的所述第二注册用户特征向量...

【专利技术属性】
技术研发人员：张官兴，王赟，郭蔚，黄康莹，张铁亮，
申请(专利权)人：绍兴埃瓦科技有限公司，上海埃瓦智能科技有限公司，
类型：发明
国别省市：浙江;33