一种人脸识别方法、介质及电子设备技术

本发明专利技术提供一种人脸识别方法、介质及电子设备；所述人脸识别方法包括：获取第一图像与第二图像；获取所述第一图像与所述第二图像的公共无遮挡区域；根据所述第一图像中的公共无遮挡区域获取第一特征向量；根据所述第二图像中的公共无遮挡区域获取第二特征向量；根据所述第一特征向量和所述第二特征向量获取所述第一图像和所述第二图像的相似度，并根据所述相似度获取人脸识别结果。所述人脸识别方法能够提升人脸识别的准确度。

【技术实现步骤摘要】
一种人脸识别方法、介质及电子设备
本专利技术属于图像分析领域，涉及一种图像识别方法，特别是涉及一种人脸识别方法、介质及电子设备。
技术介绍
人脸识别是人工智能视觉领域的热点研究和应用方向，该技术现已被广泛应用于商业客流分析、安防监控、手机应用、机构信息验证比对等场景。通常，按照人脸采集比对的方式，人脸识别可以分为主动配合式和被动无感式两种。其中，主动配合式需要用户主动配合完成人脸画面采集后进行识别比对，常见的应用场景有人脸解锁、人脸支付、人脸闸机卡口安检、机场火车站银行人证合一校验等等；所述主动配合式的人脸采集，通常会要求用户脱帽、摘除眼镜墨镜等，以尽可能的减少脸部遮挡物的干扰。被动无感式需要依靠摄像头在画面中尽可能采集用户正脸的高质量图像去进行识别比对，整个过程用户无需配合也很难感知。因此，在被动无感式人脸识别中，不可能也没有办法要求用户进行脸部遮挡物的摘除，而这种脸部遮挡物会降低所述被动无感式人脸识别的准确度。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种人脸识别方法、介质及电子设备，用于解决现有技术中脸部遮挡物会降低被动无感式人脸识别准确度的问题。为实现上述目的及其他相关目的，本专利技术的第一方面提供一种人脸识别方法、介质及电子设备。所述人脸识别方法包括：获取第一图像与第二图像；获取所述第一图像与所述第二图像的公共无遮挡区域；根据所述第一图像中的公共无遮挡区域获取第一特征向量；根据所述第二图像中的公共无遮挡区域获取第二特征向量；根据所述第一特征向量和所述第二特征向量获取所述第一图像和所述第二图像的相似度，并根据所述相似度获取人脸识别结果。于所述第一方面的一实施例中，获取所述第一图像与所述第二图像的公共无遮挡区域的实现方法包括：对所述第一图像进行分割，以获取多个第一子图像；对所述第二图像进行分割，以获取多个第二子图像；利用第一卷积神经网络对所述第一图像进行处理，以获取所述第一子图像的遮挡情况；利用所述第一卷积神经网络对所述第二图像进行处理，以获取所述第二子图像的遮挡情况；根据所述第一子图像的遮挡情况和所述第二子图像的遮挡情况，获取所述公共无遮挡区域。于所述第一方面的一实施例中，利用第一卷积神经网络对所述第一图像进行处理，以获取所述第一子图像的遮挡情况的实现方法包括：将所述第一图像进行缩放和预处理，以获得缩放预处理后的第一图像；将所述缩放预处理后的第一图像作为所述第一卷积神经网络的输入，所述第一卷积神经网络的输出即为所述第一子图像的遮挡情况。于所述第一方面的一实施例中，根据所述第一图像中的公共无遮挡区域获取第一特征向量的实现方法包括：利用第二卷积神经网络对所述第一图像和所述第一子图像进行处理，以获取第一全局特征向量和第一局部特征向量；所述第一全局特征向量与所述第一图像相对应，所述第一局部特征向量与所述第一子图像相对应；获取与所述公共无遮挡区域相对应的第一子图像，并根据与该第一子图像相对应的第一局部特征向量和所述第一全局特征向量获取所述第一特征向量。于所述第一方面的一实施例中，各所述第一子图像的高度相同；各所述第二子图像的高度相同。于所述第一方面的一实施例中，所述第一子图像的遮挡情况包括各所述第一子图像被遮挡的概率。于所述第一方面的一实施例中，在对所述第一卷积神经网络进行训练时，采用的损失函数为其中，N为训练子图像的数量，为第i个训练子图像的预测遮挡情况，yi为第i个训练子图像的实际遮挡情况。于所述第一方面的一实施例中，根据所述第一特征向量和所述第二特征向量获取所述第一图像和所述第二图像的相似度的实现方法包括：获取所述第一特征向量和所述第二特征向量之间的距离；根据所述距离获取所述第一图像和所述第二图像的相似度。本专利技术的第二方面提供一种计算机可读存储介质，其上存储有计算机程序；该计算机程序被处理器执行时实现第一方面所述的人脸识别方法。本专利技术的第三方面提供一种电子设备，所述电子设备包括：存储器，存储有一计算机程序；处理器，与所述存储器通信相连，调用所述计算机程序时执行第一方面所述的人脸识别方法；显示器，与所述处理器和所述存储器通信相连，用于显示所述人脸识别方法的相关GUI交互界面。如上所述，本专利技术所述人脸识别方法、介质及电子设备的一个技术方案具有以下有益效果：所述人脸识别方法能够获取所述第一图像与所述第二图像的公共无遮挡区域，并以此为基础获取所述第一图像和所述第二图像的相似度，进而实现人脸识别。由于所述公共无遮挡区域不包含脸部遮挡物，因此，所述人脸识别方法能够减少甚至消除脸部遮挡物对人脸识别的影响，提升被动无感式人脸识别的准确度。附图说明图1显示为本专利技术所述人脸识别方法于一具体实施例中的流程图。图2显示为本专利技术所述人脸识别方法于一具体实施例中步骤S12的流程图。图3A显示为本专利技术所述人脸识别方法于一具体实施例中对图像进行分割的示例图。图3B显示为本专利技术所述人脸识别方法于一具体实施例中获取图像掩膜的示例图。图4显示为本专利技术所述人脸识别方法于一具体实施例中步骤S123的流程图。图5A显示为本专利技术所述人脸识别方法于一具体实施例中步骤S13的路程图。图5B显示为本专利技术所述人脸识别方法于一具体实施例中对图像进行特征提取的示例图。图5C显示为本专利技术所述人脸识别方法于一具体实施例中获取图像特征向量的示例图。图6显示为本专利技术所述人脸识别方法于一具体实施例中对第一卷积神经网路进行训练的流程图。图7显示为本专利技术所述人脸识别方法于一具体实施例中图像相似度的获取流程图。图8A显示为本专利技术所述人脸识别方法于一具体实施例中的流程图。图8B显示为本专利技术所述人脸识别方法于一具体实施例中步骤S81的流程图。图8C显示为本专利技术所述人脸识别方法于一具体实施例中步骤S83的流程图。图9显示为本专利技术所述电子设备与一具体实施例中的结构示意图。元件标号说明1第一图像111～118第一子图像12第一全局特征向量121～128第一局部特征向量900电子设备910存储器920处理器930显示器S11～S15步骤S121～S125步骤S1231～S1232步骤S131～S132步骤S61～S64步骤S71～S72步骤S81～S86步骤S811～S814步骤S831～S832步骤具体实施方式以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构本文档来自技高网...

【技术保护点】
1.一种人脸识别方法，其特征在于，所述人脸识别方法包括：/n获取第一图像与第二图像；/n获取所述第一图像与所述第二图像的公共无遮挡区域；/n根据所述第一图像中的公共无遮挡区域获取第一特征向量；/n根据所述第二图像中的公共无遮挡区域获取第二特征向量；/n根据所述第一特征向量和所述第二特征向量获取所述第一图像和所述第二图像的相似度，并根据所述相似度获取人脸识别结果。/n

【技术特征摘要】
1.一种人脸识别方法，其特征在于，所述人脸识别方法包括：
获取第一图像与第二图像；
获取所述第一图像与所述第二图像的公共无遮挡区域；
根据所述第一图像中的公共无遮挡区域获取第一特征向量；
根据所述第二图像中的公共无遮挡区域获取第二特征向量；
根据所述第一特征向量和所述第二特征向量获取所述第一图像和所述第二图像的相似度，并根据所述相似度获取人脸识别结果。


2.根据权利要求1所述的人脸识别方法，其特征在于，获取所述第一图像与所述第二图像的公共无遮挡区域的实现方法包括：
对所述第一图像进行分割，以获取多个第一子图像；
对所述第二图像进行分割，以获取多个第二子图像；
利用第一卷积神经网络对所述第一图像进行处理，以获取所述第一子图像的遮挡情况；
利用所述第一卷积神经网络对所述第二图像进行处理，以获取所述第二子图像的遮挡情况；
根据所述第一子图像的遮挡情况和所述第二子图像的遮挡情况，获取所述公共无遮挡区域。


3.根据权利要求2所述的人脸识别方法，其特征在于，利用第一卷积神经网络对所述第一图像进行处理，以获取所述第一子图像的遮挡情况的实现方法包括：
将所述第一图像进行缩放和预处理，以获得缩放预处理后的第一图像；
将所述缩放预处理后的第一图像作为所述第一卷积神经网络的输入，所述第一卷积神经网络的输出即为所述第一子图像的遮挡情况。


4.根据权利要求2所述的人脸识别方法，其特征在于，根据所述第一图像中的公共无遮挡区域获取第一特征向量的实现方法包括：
利用第二卷积神经网络对所述第一图像和所述第一子图像进行处理，以获取第一全局特征向量和...

【专利技术属性】
技术研发人员：崔龙，袁德胜，成西锋，林治强，党毅飞，马卫民，游浩泉，李伟超，
申请(专利权)人：汇纳科技股份有限公司，
类型：发明
国别省市：上海;31