人脸识别方法和装置制造方法及图纸

提供了一种人脸识别方法和装置。所述方法包括：基于第一人脸图像的局部特征和第二人脸图像的局部特征，分别获取第一人脸图像的第一全局特征和第二人脸图像的第一全局特征；基于第一人脸图像的第一全局特征和第二全局特征获取第一人脸图像的最终全局特征；基于第二人脸图像的第一全局特征和第二全局特征获取第二人脸图像的最终全局特征；基于第一人脸图像的最终全局特征和第二人脸图像的最终全局特征对第一人脸图像和第二人脸图像进行识别,其中，第一人脸图像的第二全局特征是基于第一人脸图像的局部特征获取的，第二人脸图像的第二全局特征是基于第二人脸图像的局部特征获取的。

【技术实现步骤摘要】
人脸识别方法和装置
本申请涉及一种人脸识别
，更具体地，涉及一种人脸识别方法和装置。
技术介绍
人脸识别技术在我们的日常生活中具有广泛的应用，例如电话解锁、视频监控、在线支付、访问控制、相册管理等。人脸识别技术主要通过设计有效的网络结构并构造用于特征学习的判别损失函数来获得训练好的网络以执行人脸识别。近年来，由于深度神经网络技术的迅速发展以及可用的大规模人脸数据集，人脸识别准确度得到了显著提高。人脸识别的一些代表性且比较成功的工作包括DeepFace、DeepID、FaceNet、DeepFR、InsightFace、MobileFace等。现有的大多数人脸识别方法通常都是通过精心设计的CNN网络从全脸图像中提取全局特征。例如，为了验证给定的一对人脸图像是否具有相同的身份，将这两个人脸图像馈送到训练好的CNN分类器中以获取它们的脸部表征，然后将这两个脸部表征进行比较以确定它们是否是同一个人。由于CNN参数在训练后是固定的，因此被比较人脸图像无论与哪个人脸图像进行比较，通过训练好的CNN网络获取到的被比较人脸图像的表征都保持固定。为了将被比较人脸图像与所有其他人的人脸图像区分开，人脸图像的表征必须具有足够的区分性，这是非常具有挑战性的。为了使得人脸图像的表征具有足够的区分性，可通过比较器网络来计算配对图像之间的相似度，然而，该方法需要首先进行面部特征点检测，以进行基于特征点的特征比较，这是一项繁琐的工作。另外，可通过对比卷积机制来提取人脸图像对之间的不同特征来提高人脸识别准确度，然而该方法忽略了被比较人脸对之间相似特征的作用，尤其是当两个人脸图像来自同一身份时。另外，可通过利用注意力机制来提高人脸识别的准确度，然而现有的通过自注意力机制来提高人脸识别准确度的方法仍然存在被比较人脸图像的表征固定的问题，且仍然忽略了被比较图像对之间的相似特征的作用。如何考虑被比较人脸图像对之间的相似特征对提高人脸识别准确度的作用以进一步提高人脸识别准确度是本专利技术亟待解决的问题。
技术实现思路
本专利技术的目的在于提供一种人脸识别方法和装置，以至少解决上述相关技术中的问题，也可不解决任何上述问题。根据本专利技术的示例性实施例，提供一种人脸识别方法，所述方法包括：基于第一人脸图像的局部特征和第二人脸图像的局部特征，分别获取第一人脸图像的第一全局特征和第二人脸图像的第一全局特征；基于第一人脸图像的第一全局特征和第二全局特征获取第一人脸图像的最终全局特征；基于第二人脸图像的第一全局特征和第二全局特征获取第二人脸图像的最终全局特征；基于第一人脸图像的最终全局特征和第二人脸图像的最终全局特征对第一人脸图像和第二人脸图像进行识别,其中，第一人脸图像的第二全局特征是基于第一人脸图像的局部特征获取的，第二人脸图像的第二全局特征是基于第二人脸图像的局部特征获取的。由于用于进行人脸识别的第一人脸图像的最终全局特征与第二人脸图像相关，用于进行识别的第二图像的最终全局特征与第一图像相关，因此，本公开的人脸识别方法可以注意到图像对之间的特征关联，从而能够提高人脸识别的准确度。可选地，基于第一人脸图像的局部特征和第二人脸图像的局部特征，分别获取第一人脸图像的第一全局特征和第二人脸图像的第一全局特征的步骤包括：基于第一人脸图像的局部特征和第二人脸图像的局部特征进行注意力池化处理，以用于分别获得第一人脸图像的第一全局特征和第二人脸图像的第一全局特征。通过注意力池化处理，可使得第一人脸图像的第一全局特征与第二人脸图像相关联，并使得第二人脸图像的第一全局特征与第一人脸图像相关联，从而能够更多地关注比较图像对之间相似特征的比较，从而提高识别准确率。可选地，所述第一人脸图像的局部特征为嵌入位置信息的第一人脸图像的局部特征；所述第二人脸图像的局部特征为嵌入位置信息的第二人脸图像的局部特征。通过将位置信息嵌入人脸图像的局部特征，以基于嵌入了位置信息的人脸图像的局部特征执行池化处理，使得可保证人脸图像对相应位置的元素对应，从而能够更多地反映图像对相似部分的关联。可选地，基于第一人脸图像的局部特征和第二人脸图像的局部特征进行注意力池化处理，以用于分别获得第一人脸图像的第一全局特征和第二人脸图像的第一全局特征的步骤包括：基于第一人脸图像的局部特征和第二人脸图像的局部特征，利用多头注意力机制分别获取第一人脸图像针对第二人脸图像的第一注意力池化特征和第二人脸图像针对第一人脸图像的第二注意力池化特征；基于第一注意力池化特征，获取第一人脸图像的第一全局特征；基于第二注意力池化特征，获取第二人脸图像的第一全局特征。通过交叉注意力机制，本公开的人脸识别方法可以注意到图像对之间的最相似特征之间的关联，从而能够提高人脸识别的准确度。例如，当比较来自同一身份但具有不同照度、姿势或年龄的图像对时，更容易从图像对中找出相同的特征，另一方面，如果比较的图像来自不同的身份，则注意最相似的面部区域之间的特征比较，将使得可以获得更可靠的识别结果。可选地，基于第一人脸图像的局部特征和第二人脸图像的局部特征，利用多头注意力机制分别获取第一人脸图像针对第二人脸图像的第一注意力池化特征和第二人脸图像针对第一人脸图像的第二注意力池化特征的步骤包括：将第二人脸图像的局部特征乘以与查询(Query)相应的第一查询矩阵获取第一查询向量、将第一人脸图像的局部特征乘以与键(KEY)相应的第一键矩阵获取第一键向量，将第一人脸图像的局部特征乘以与值(Value)相应的第一值矩阵获取第一值向量，并基于获取的第一查询向量、第一键向量以及第一值向量获取第一人脸图像针对第二人脸图像的注意力池化特征；以及将第一人脸图像的局部特征乘以与查询相应的第二查询矩阵获取第二查询向量、将第二人脸图像的局部特征乘以与键相应的第二键矩阵获取第二键向量，将第二人脸图像的局部特征乘以与值(Value)相应的第二值矩阵获取第二值向量，并基于获取的第二查询向量、第二键向量以及第二值向量获取第二人脸图像针对第一人脸图像的注意力池化特征。通过查询向量实现交叉注意力机制，可保证第一人脸图像的第一全局特征和第二人脸图像的第一全局特征之间分别关联对方图像局部特征，使得可以更多地关注人脸图像对相似部分之间的比较，从而提高识别成功率。可选地，分别获取第一人脸图像的第一全局特征和第二人脸图像的第一全局特征的步骤包括：使用同一网络或者不同的网络分别获取第一人脸图像的第一全局特征和第二人脸图像的第一全局特征。通过同一网络，可以节省软硬件开销，通过不同网络分别获取第一人脸图像的第一全局特征和第二人脸图像的第一全局特征，可以提高识别速度。根据本专利技术的示例性实施例，提供一种人脸识别装置，所述装置包括：第一全局特征获取模块：被配置为基于第一人脸图像的局部特征和第二人脸图像的局部特征，分别获取第一人脸图像的第一全局特征和第二人脸图像的第一全局特征；最终全局特征获取模块：被配置为基于第一人脸图像的第一全局特征和第二全局特征获取第一人脸图像的最终全局特征，以及基于第二人脸图像的第一全局特征和第二全本文档来自技高网...

【技术保护点】
1.一种人脸识别方法，所述方法包括：/n基于第一人脸图像的局部特征和第二人脸图像的局部特征，分别获取第一人脸图像的第一全局特征和第二人脸图像的第一全局特征；/n基于第一人脸图像的第一全局特征和第二全局特征获取第一人脸图像的最终全局特征；/n基于第二人脸图像的第一全局特征和第二全局特征获取第二人脸图像的最终全局特征；/n基于第一人脸图像的最终全局特征和第二人脸图像的最终全局特征对第一人脸图像和第二人脸图像进行识别，/n其中，第一人脸图像的第二全局特征是基于第一人脸图像的局部特征获取的，第二人脸图像的第二全局特征是基于第二人脸图像的局部特征获取的。/n

【技术特征摘要】
1.一种人脸识别方法，所述方法包括：
基于第一人脸图像的局部特征和第二人脸图像的局部特征，分别获取第一人脸图像的第一全局特征和第二人脸图像的第一全局特征；
基于第一人脸图像的第一全局特征和第二全局特征获取第一人脸图像的最终全局特征；
基于第二人脸图像的第一全局特征和第二全局特征获取第二人脸图像的最终全局特征；
基于第一人脸图像的最终全局特征和第二人脸图像的最终全局特征对第一人脸图像和第二人脸图像进行识别，
其中，第一人脸图像的第二全局特征是基于第一人脸图像的局部特征获取的，第二人脸图像的第二全局特征是基于第二人脸图像的局部特征获取的。


2.如权利要求1所述的方法，其中，基于第一人脸图像的局部特征和第二人脸图像的局部特征，分别获取第一人脸图像的第一全局特征和第二人脸图像的第一全局特征的步骤包括：
基于第一人脸图像的局部特征和第二人脸图像的局部特征进行注意力池化处理，以用于分别获得第一人脸图像的第一全局特征和第二人脸图像的第一全局特征。


3.如权利要求2所述的方法，其中，
所述第一人脸图像的局部特征为嵌入位置信息的第一人脸图像的局部特征；
所述第二人脸图像的局部特征为嵌入位置信息的第二人脸图像的局部特征。


4.如权利要求2或3所述的方法，其中，基于第一人脸图像的局部特征和第二人脸图像的局部特征进行注意力池化处理，以用于分别获得第一人脸图像的第一全局特征和第二人脸图像的第一全局特征的步骤包括：
基于第一人脸图像的局部特征和第二人脸图像的局部特征，利用多头注意力机制分别获取第一人脸图像针对第二人脸图像的第一注意力池化特征和第二人脸图像针对第一人脸图像的第二注意力池化特征；
基于第一注意力池化特征，获取第一人脸图像的第一全局特征；
基于第二注意力池化特征，获取第二人脸图像的第一全局特征。


5.如权利要求4所述的方法，其中，基于第一人脸图像的局部特征和第二人脸图像的局部特征，利用多头注意力机制分别获取第一人脸图像针对第二人脸图像的第一注意力池化特征和第二人脸图像针对第一人脸图像的第二注意力池化特征的步骤包括：
将第二人脸图像的局部特征乘以与查询(Query)相应的第一查询矩阵获取第一查询向量、将第一人脸图像的局部特征...

【专利技术属性】
技术研发人员：李晖，薛继光，李善敏，韩承周，韩在濬，
申请(专利权)人：三星中国半导体有限公司，三星电子株式会社，
类型：发明
国别省市：陕西;61