【技术实现步骤摘要】
人脸识别方法、装置、计算机设备和存储介质
本申请涉及人脸识别
,特别是涉及一种人脸识别方法、装置、计算机设备和存储介质。
技术介绍
传统的图像、人脸检测识别方法主要是通过端到端的神经网络架构,通过采集的全幅图像数据输入至训练好的神经网络模型中,进行特征向量提取和识别。这种传统人脸识别方法,在识别过程中受限于计算能力和神经网络模型输入限制,需要降低输入分辨率,造成人脸纹理特征损失,模型识别准确率降低。同时模型用于人脸位置检测的候选区需要遍历整个图像,使得模型计算参数增多、计算量大、耗时长。
技术实现思路
基于此,有必要针对上述技术问题,提供一种能够提高检测精度的人脸识别方法、装置、计算机设备和存储介质。一种人脸识别方法,所述方法包括:获取初始图像,并对所述初始图像进行分级人脸检测得到目标人脸区域,所述分级人脸识别包括对所述初始图像进行人体区域识别和对所识别出的人体区域进行人脸识别;将所述目标人脸区域从所述初始图像裁剪后输入至人脸识别模型进行人脸特征提取,用于人脸识别。在其中一个实施例中,所述对所述初始图像进行分级人脸检测得到目标人脸区域,包括:对所述初始图像进行检测获得到目标人体区域;对所得到的目标人体区域进行预处理得到标准尺寸的至少一个待处理图像;对所述待处理图像进行人脸检测得到待处理人脸区域;将所述待处理人脸区域映射到所述初始图像中得到目标人脸区域。在其中一个实施例中,所述对所述初始图像进行检测获得到目标人体区 ...
【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获取初始图像,并对所述初始图像进行分级人脸检测得到目标人脸区域,所述分级人脸识别包括对所述初始图像进行人体区域识别和对所识别出的人体区域进行人脸识别;/n将所述目标人脸区域从所述初始图像裁剪后输入至人脸识别模型进行人脸特征提取,用于人脸识别。/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:
获取初始图像,并对所述初始图像进行分级人脸检测得到目标人脸区域,所述分级人脸识别包括对所述初始图像进行人体区域识别和对所识别出的人体区域进行人脸识别;
将所述目标人脸区域从所述初始图像裁剪后输入至人脸识别模型进行人脸特征提取,用于人脸识别。
2.根据权利要求1所述的方法,其特征在于,所述对所述初始图像进行分级人脸检测得到目标人脸区域,包括:
对所述初始图像进行检测获得到目标人体区域;
对所得到的目标人体区域进行预处理得到标准尺寸的至少一个待处理图像;
对所述待处理图像进行人脸检测得到待处理人脸区域;
将所述待处理人脸区域映射到所述初始图像中得到目标人脸区域。
3.根据权利要求2所述的方法,其特征在于,所述对所述初始图像进行检测获得到目标人体区域,包括:
对所述初始图像进行缩放处理以及灰度化处理得到待识别图像;
对所述待识别图像进行检测得到目标人体区域。
4.根据权利要求3所述的方法,其特征在于,对所述待识别图像进行检测得到目标人体区域,包括:
将所述待识别图像输入至预先训练完成的人体检测模型中;
获取所述人体检测模型中预先确定的多个不同长宽比例和面积的候选框;
通过所述人体检测模型提取多个不同长宽比例和面积的候选框对应的图像特征,并根据所提取的图像特征计算得到每个候选框的目标置信度;
通过非极大值抑制操作并根据每个所述候选框的目标置信度计算得到目标人体区域;
其中,所述人体检测模型的训练方式包括:
获取已标注真实人体区域的训练集;
对训练集中的每个第一训练图像进行下采样得到第一特征图;
根据所述第一特征图生成多个不同长宽比例和面积的第一训练候选框;
计算所述第一训练候选框的第一训练误差;
根据所述训练集中已标注的真实人体区域和所述第一训练误差,调整模型参数,调整模型参数,进行训练得到人体检测模型。
5.根据权利要求4所述的方法,其特征在于,所述第一训练候选框的长宽比例是预先设定的;或者
所述第一训练候选框的长宽比例是通过所述第一训练图像中的已标注的真实人体区域进行聚类得到的;所述第一训练候选框的面积是根据所述第一训练图像中的已标注的人体区域聚类后,每一类中标注好的真实...
【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
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。