人脸识别方法、系统、设备及可读存储介质技术方案

本申请公开了一种人脸识别方法、系统、设备及可读存储介质。该人脸识别方法包括如下步骤：采集目标人脸图像；将目标人脸图像对预存的多个第一参考图像分别做相似度运算，取得第一相似度；当第一相似度满足第一预设条件时，输出所述第一参考图像对应的人员身份信息，刷新所述第一参考图像对应的第二参考图像；当第一相似度满足第二预设条件时，输出所述第一参考图像对应的人员身份信息。本申请的方案能够有效提高人脸识别系统的精确率和召回率。有效提高人脸识别系统的精确率和召回率。有效提高人脸识别系统的精确率和召回率。

【技术实现步骤摘要】
人脸识别方法、系统、设备及可读存储介质


[0001]本申请属于人脸识别
，具体来说涉及一种人脸识别方法、系统、设备及可读存储介质。

技术介绍

[0002]随着网络技术的发展，基于卷积神经网络模型实现的人脸识别技术已经发展的较为成熟了。戴口罩已成为日常生活中的一部分。因戴口罩下的人脸特征减少，导致现有的人脸识别系统无法满足工作和生活中对人脸目标识别的需要。

技术实现思路
：
[0003]本专利技术的目的在于提供一种人脸识别方法，能够提高人脸识别系统的精确率和召回率。
[0004]一种人脸识别方法，其包括如下步骤：
[0005]采集目标人脸图像；
[0006]将目标人脸图像对预存的多个第一参考图像分别做相似度运算，分别取得第一相似度；
[0007]当第一相似度满足第一预设条件时，输出所述第一参考图像对应的人员身份信息，刷新所述第一参考图像对应的第二参考图像；
[0008]当第一相似度满足第二预设条件时，输出所述第一参考图像对应的人员身份信息。
[0009]优选的是，上述人脸识别方法中，还包括如下步骤：
[0010]当第一相似度满足第三预设条件时，将目标人脸图像与所述第二参考图像做相似度运算，取得第二相似度；
[0011]当第二相似度达到判定阈值时，输出该第二参考图像对应的人员身份信息。
[0012]优选的是，上述人脸识别方法中，所述相似度运算包括如下步骤：
[0013]萃取目标人脸图像的人脸特征；
[0014]基于人脸特征计算目标人脸图像和第一参考图像或第二参考图像的相似度。
[0015]优选的是，上述人脸识别方法中，所述基于人脸特征计算目标人脸图像和第一参考图像或第二参考图像的相似度包括：
[0016]计算目标人脸图像和第一参考图像或第二参考图像上对应的人脸特征之间的余弦相似度；
[0017]所述余弦相似度的计算公式为：
[0018][0019]其中，S表示余弦相似度，X表示目标人脸图像的人脸特征，Y表示第一参考图像或
第二参考图像上的人脸特征，i表示人脸特征中的元素索引，n表示人脸特征中的元素总数。
[0020]优选的是，上述人脸识别方法中：
[0021]所述第一预设条件为第一相似度达到预存的上限阈值；
[0022]所述第二预设条件为第一相似度达到预存的判定阈值，且低于上限阈值；
[0023]所述第三预设条件为第一相似度达到预存的下限阈值，且低于判定阈值。
[0024]优选的是，上述人脸识别方法中，所述刷新所述第一参考图像对应的第二参考图像包括如下步骤：
[0025]若所述第一参考图像未具备对应的第二参考图像，将目标人脸图像保存为所述第一参考图像对应的第二参考图像；
[0026]若所述第一参考图像已具备对应的第二参考图像，分别计算所述第一参考图像和所述目标人脸图像的相似度以及所述第一参考图像和所述第二参考图像的相似度，以相似度较高者作为第一参考图像对应的第二参考图像。
[0027]为实现上述人脸识别方法，本申请还公开了一种人脸识别系统，其包括：
[0028]采集模块，第一运算模块和第一执行模块；
[0029]所述采集模块用于采集目标人脸图像；
[0030]所述第一运算模块用于将目标人脸图像对预存的第一参考图像分别做相似度运算、取得第一相似度；
[0031]所述第一执行模块用于读取第一运算模块，当第一相似度达到第一预设条件时，输出所述第一参考图像对应的人员身份信息并刷新所述第一参考图像对应的第二参考图像；当第一相似度达到第二预设条件时，输出所述第一参考图像对应的人员身份信息。
[0032]优选的是，上述人脸识别系统中，还包括第二运算模块和第二执行模块，所述第二运算模块用于读取第一运算模块，当第一相似度达到第三预设条件时，将目标人脸图像与所述第一参考图像对应的第二参考图像做相似度运算并取得第二相似度；
[0033]所述第二执行模块用于读取第二运算模块，当第二相似度达到判定阈值时输出所述第二参考图像对应的人员身份信息。
[0034]本申请还公开了一种电子设备，其包括：处理器和存储器，所述存储器用于存储程序；所述处理器和存储器连接、用于调用存储于所述存储器中的程序，执行上述人脸识别方法。
[0035]本申请还进一步公开了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，所述计算机程序被计算机运行时执行上述人脸识别方法。
[0036]与现有技术相比，本申请的技术方案具有以下优点：在系统的不断使用过程中，通过不断积累。将最接近于参考人脸图像的目标人脸图像存储为第二参考图像，利用第二参考图像做二次比对提高人脸识别的正确识别率。同时通过不断积累正确识别和失败识别的案例，将第二参考图像进行不断的迭代优化，持续提升检测精确度。
附图说明
[0037]下面结合附图与具体实施方式对本申请作进一步详细的说明：
[0038]图1为本专利技术中人脸识别方法的工作流程图；
[0039]图2为本专利技术中人脸识别系统的模块框图；
[0040]图3为本专利技术中电子设备的模块框图。
具体实施方式
[0041]为了更清楚地说明本申请的技术方案，下面将结合各个实施例作进一步描述。
[0042]如图1所示为实施例1：
[0043]一种人脸识别方法，其包括如下步骤：
[0044]采集目标人脸图像；
[0045]将目标人脸图像对预存的第一参考图像分别做相似度运算取得第一相似度；
[0046]具体地，所述相似度运算包括以下步骤：
[0047]萃取目标人脸图像的人脸特征；
[0048]基于人脸特征计算目标人脸图像和第一参考图像的相似度，即：
[0049]计算目标人脸图像和第一参考图像或第二参考图像上对应的人脸特征之间的余弦相似度；所述余弦相似度的计算公式为：
[0050][0051]其中，S表示余弦相似度，X表示目标人脸图像的人脸特征，Y表示第一参考图像或第二参考图像上的人脸特征，i表示人脸特征中的元素索引，n表示人脸特征中的元素总数。
[0052]当第一相似度满足第一预设条件时，输出该第一参考图像对应的人员身份信息，并刷新第一参考图像对应的第二参考图像；
[0053]所述第一相似度满足第一预设条件是指第一相似度达到预存的上限阈值。
[0054]所述刷新第一参考图像对应的第二参考图像包括如下步骤：
[0055]若该第一参考图像未具备对应的第二参考图像，将目标人脸图像保存为该第一参考图像对应的第二参考图像；若该第一参考图像已具备对应的第二参考图像，将目标人脸图像与第二参考图像对该第一参考图像的相似度做比对，以相似度较高者作为该第一参考图像对应的第二参考图像。
[0056]当第一相似度达到第二预设条件时，输出该第一参考图像对应的人员身份信息。
[005本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸识别方法，其特征在于，包括如下步骤：采集目标人脸图像；将目标人脸图像对预存的多个第一参考图像分别做相似度运算，分别取得第一相似度；当第一相似度满足第一预设条件时，输出所述第一参考图像对应的人员身份信息，刷新所述第一参考图像对应的第二参考图像；当第一相似度满足第二预设条件时，输出所述第一参考图像对应的人员身份信息。2.如权利要求1所述人脸识别方法，其特征在于，还包括如下步骤：当第一相似度满足第三预设条件时，将目标人脸图像与所述第二参考图像做相似度运算，取得第二相似度；当第二相似度达到判定阈值时，输出该第二参考图像对应的人员身份信息。3.如权利要求1或2所述人脸识别方法，其特征在于，所述相似度运算包括如下步骤：萃取目标人脸图像的人脸特征；基于人脸特征计算目标人脸图像和第一参考图像或第二参考图像的相似度。4.如权利要求3所述人脸识别方法，其特征在于，所述基于人脸特征计算目标人脸图像和第一参考图像或第二参考图像的相似度包括：计算目标人脸图像和第一参考图像或第二参考图像上对应的人脸特征之间的余弦相似度；所述余弦相似度的计算公式为：其中，S表示余弦相似度，X表示目标人脸图像的人脸特征，Y表示第一参考图像或第二参考图像上的人脸特征，i表示人脸特征中的元素索引，n表示人脸特征中的元素总数。5.如权利要求2所述人脸识别方法，其特征在于：所述第一预设条件为第一相似度达到预存的上限阈值；所述第二预设条件为第一相似度达到预存的判定阈值，且低于上限阈值；所述第三预设条件为第一相似度达到预存的下限阈值，且低于判定阈值。6.如权利要求1所述人脸识别方法，其特征在于，所述刷新所述第一参考图像对应的第二参考图像包括...

【专利技术属性】
技术研发人员：简仁贤，林柏霖，林长洲，
申请(专利权)人：竹间智能科技上海有限公司，
类型：发明
国别省市：