人脸识别方法及装置制造方法及图纸

本申请实施例公开了一种人脸识别方法及装置，所述方法包括；获取待识别图像对，将所述待识别图像对输入并级卷积神经网络，根据所述并级卷积神经网络中卷积神经网络的输出，判断所述待识别图像对的识别结果。通过并级卷积神经网络识别待识别图像对，能够提高人脸识别的准确性，同时该待识别图像对的识别效率取决于并级卷积神经网络中复杂度最大的卷积神经网络，因此能够在提高人脸识别准确性的情况下，增加人脸识别效率。增加人脸识别效率。增加人脸识别效率。

Face recognition method and device

【技术实现步骤摘要】
人脸识别方法及装置


[0001]本申请涉及人脸识别
，尤其涉及一种人脸识别方法及装置。

技术介绍

[0002]人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行一系列相关操作的技术，通常也叫做人像识别、面部识别。
[0003]随着人脸识别技术的进一步成熟和社会认同度的提高，人脸识别技术可被广泛应用于各种领域，人脸识别技术可有助于公安破案，如应用于智能监控中，可帮助公安在全国范围内搜索逃犯行踪。人脸识别技术还可应用于自助服务，如银行的自助提款机，通过对持卡本人的面部特征录入及识别，可避免他人盗取现金的情况发生。人脸识别技术还可应用于企业及住宅的安全管理，对企业或住宅采用人脸识别门禁或考勤系统，有助于企业的规范化管理和家庭住宅的安全及防盗。
[0004]目前，为了提高人脸识别的准确性，相关技术引入了级联神经网络。但由于级联神经网络中每一级神经网络的复杂度依次增加，其总的运行速度也增加，从而降低了人脸识别速度，影响用户体验。
[0005]申请内容
[0006]本申请实施例提供了一种人脸识别方法及装置，能够提高人脸识别准确性的情况下，同时增加人脸识别效率。
[0007]第一方面，本申请实施例提供一种人脸识别方法，所述方法包括：
[0008]获取待识别图像对，所述待识别图像对来自同一个人的两张人脸图像或两个人的各一张人脸图像；
[0009]将所述待识别图像对输入并级卷积神经网络，根据所述并级卷积神经网络中卷积神经网络的输出，判断所述待识别图像对的识别结果，所述并级卷积神经网络由N个卷积神经网络并联而成，所述N为大于或等于3的正整数。
[0010]第二方面，本申请实施例提供一种人脸识别装置，所述装置包括：
[0011]第一获取模块，用于获取待识别图像对，所述待识别图像对来自同一个人的两张人脸图像或两个人的各一张人脸图像；
[0012]识别模块，用于将所述待识别图像对输入并级卷积神经网络，根据所述并级卷积神经网络中卷积神经网络的输出，判断所述待识别图像对的识别结果，所述并级卷积神经网络由N个卷积神经网络并联而成，所述N为大于或等于3的正整数。
[0013]第三方面，本申请实施例提供一种人脸识别装置，所述人脸识别装置包括处理器、存储器、通信接口以及通信总线，其中，所述处理器、通信接口存储器通过通信总线完成相互间的通信；所述存储器用于存放计算机程序；所述处理器用于执行所述存储器上所存放的程序时，实现如上述第一方面所述的方法步骤。
[0014]第四方面，本申请实施例提供了一种计算机可读存储介质，其中，上述计算机可读
存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。
[0015]第五方面，本申请实施例提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
[0016]实施本申请实施例，具备如下有益效果：
[0017]可以看出，本申请实施例中所描述的人脸识别方法及装置，通过获取待识别图像对，将所述待识别图像对输入并级卷积神经网络，根据所述并级卷积神经网络中卷积神经网络的输出，判断所述待识别图像对的识别结果。通过并级卷积神经网络识别待识别图像对，能够提高人脸识别的准确性，同时该待识别图像对的识别效率取决于并级卷积神经网络中复杂度最大的卷积神经网络，因此能够在提高人脸识别准确性的情况下，增加人脸识别效率。
附图说明
[0018]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0019]图1是本申请实施例提供的一种人脸识别方法的流程示意图；
[0020]图2是本申请实施例提供的一种并级卷积神经网络的结构示意图；
[0021]图3是本申请实施例提供的另一种人脸识别方法的流程示意图；
[0022]图4A本申请实施例提供的一种人脸识别装置的结构示意图；
[0023]图4B本申请实施例提供的另一种人脸识别装置的结构示意图；
[0024]图5是本申请实施例提供的另一种人脸识别装置的结构示意图。
具体实施方式
[0025]本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
[0026]在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
[0027]为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0028]下面通过具体实施例，对本申请进行详细说明。
[0029]请参阅图1，图1是本申请实施例提供的一种人脸识别方法的流程示意图，该方法包括如下步骤：
[0030]S110、获取待识别图像对。
[0031]其中，所述待识别图像对来自同一个人的两张人脸图像或两个人的各一张人脸图像。
[0032]具体地，待识别图像对中的一张图像可以是存储于本地终端设备的图像集中的任一图像，例如手机、平板电脑、笔记本电脑等等中的任一人脸图片，也可以是视频流中任意帧图像或视频流中任意帧图像中检测出脸部区域的图像，例如具有摄像头或监控头等图像采集设备获取的图像，还可以是从外部存储设备获取的图像，该外部存储设备可以包括软盘、移动硬盘、U盘等；待识别图像中的另一张图像也可以是存储于本地终端设备的图像集中的任一图像、视频流中任意帧图像或视频流中任意帧图像中检测出脸部区域的图像、从外部存储设备获取的图像。也就是说，待识别图像对中的两张图像可以来自于同一出处，也可以来自于不同的出处，例如摄像头A在第一时刻采集到第一待识别图像，摄像头B在第二本文档来自技高网...

【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，所述方法包括：获取待识别图像对，所述待识别图像对来自同一个人的两张人脸图像或两个人的各一张人脸图像；将所述待识别图像对输入并级卷积神经网络，根据所述并级卷积神经网络中卷积神经网络的输出，判断所述待识别图像对的识别结果，所述并级卷积神经网络由N个卷积神经网络并联而成，N为大于或等于3的正整数。2.根据权利要求1所述方法，其特征在于，所述根据所述并级卷积神经网络中卷积神经网络的输出，判断所述待识别图像对的识别结果，包括：在所述并级卷积神经网络中，若判断所述待识别图像对为负例对的所述卷积神经网络的个数大于第一阈值，则所述待识别图像对为负例对，否则为正例对，所述负例对表示所述待识别图像对来自两个人的各一张人脸图像，所述正例对表示所述待识别图像对来自同一个人的两张人脸图像。3.根据权利要求1所述方法，其特征在于，所述根据所述并级卷积神经网络中卷积神经网络的输出，判断所述待识别图像对的识别结果，包括：在所述并级卷积神经网络中，若判断所述待识别图像对为负例对的所述卷积神经网络的系数之和大于第一阈值，则所述待识别图像对为负例对，否则为正例对。4.根据权利要求1至3任一所述方法，其特征在于，所述方法还包括：获取第一人脸图像集，所述第一人脸图像集包括第一样本和第二样本，所述第一样本包括第一图像对的集合，所述第二样本包括第二图像对的集合，所述第一图像对来自同一个人的两张人脸图像，所述第二图像对来自两个人的各一张人脸图像；使用所述第一人脸图像集训练待训练并级卷积神经网络，得到所述并级卷积神经网络，所述待训练并级卷积神经网络包括N个待训练卷积神经网络。5.根据权利要求4所述方法，其特征在于，所述N个卷积神经网络的输入为一图像对，输出为0或1，所述图像对为所...

【专利技术属性】
技术研发人员：黄映婷，郑文先，黎永冬，肖婷，张阳，
申请(专利权)人：成都云天励飞技术有限公司，
类型：发明
国别省市：