人脸识别方法、装置、计算机可读存储介质及终端设备制造方法及图纸

本发明专利技术公开了一种人脸识别方法、装置、计算机可读存储介质及终端设备，所述方法包括获取待检图像；对所述待检图像进行特征提取，得到待检特征；计算所述待检特征与预设的若干个簇中心之间的初始相似度值；基于所述初始相似度值和各个所述簇中心对应的人脸特征簇，确定与所述待检特征对应的候选特征簇，并将所述候选特征簇中的用户特征作为所述待检特征对应的候选特征；计算所述待检特征与所述候选特征之间的目标相似度值；基于所述目标相似度值，确定所述待检图像的拍摄对象对应的用户信息。本发明专利技术减少在人脸识别过程中的计算量，提高识别的实时性。别的实时性。别的实时性。

Face recognition method, device, computer readable storage medium and terminal device

【技术实现步骤摘要】
人脸识别方法、装置、计算机可读存储介质及终端设备


[0001]本专利技术涉及生物识别，特别涉及一种人脸识别方法、装置、计算机可读存储介质及终端设备。

技术介绍

[0002]随着技术的发展，基于人脸的生物识别技术在身份验证等领域取得了巨大的进展。人脸识别本质上是将待识别的人脸信息与预先存储的用户的人脸信息进行比对，通过两者之间的相似度，确定获取的人脸信息的对象是否为用户。在嵌入式平台上，常规的计算方法是提取待识别的人脸信息对应的人脸向量，然后将人脸向量和数据库中的人脸向量分别相乘，得到待识别的人脸向量与每一个预先存储的人脸向量之间的相似度。根据相似度的数值，确定待识别的对象的身份。因此，可将这种人脸识别的场景描述为1：n。
[0003]在很多情形下，终端会存储大量的人脸信息，例如打卡机、基于应用终端的用户登录。若预先存储的人脸向量数量的数量级达到过万甚至十万级别，需要进行大量的计算，识别速率低下，很难达到实时的要求。为解决这一问题，一般采用将部分数据的处理通过云端处理来实现，终端只作为数据采集以及显示结果的存在。但是处于使用高峰期时，云端需要同时处理多个终端的请求，对云端的算力以及网络提出了较大的要求。

技术实现思路

[0004]本专利技术要解决的技术问题在于人脸识别，针对现有技术的不足，提供一种人脸识别方法。
[0005]为了解决上述技术问题，本专利技术所采用的技术方案如下：
[0006]一种人脸识别方法，所述方法包括：
[0007]获取待检图像；
[0008]对所述待检图像进行特征提取，得到待检特征；
[0009]计算所述待检特征与预设的若干个簇中心之间的初始相似度值；
[0010]基于所述初始相似度值和各个所述簇中心对应的人脸特征簇，确定与所述待检特征对应的候选特征簇，并将所述候选特征簇中的用户特征作为所述待检特征对应的候选特征；
[0011]计算所述待检特征与所述候选特征之间的目标相似度值；
[0012]基于所述目标相似度值，确定所述待检图像的拍摄对象对应的用户信息。
[0013]所述人脸识别方法，其中，所述对所述待检图像进行特征提取，得到待检特征，具体包括：
[0014]对所述待检图像进行人脸检测，得到人脸图像；
[0015]对所述人脸图像进行矫正，得到标准图像；
[0016]将所述标准图像输入到已训练的特征提取模型中，并基于所述提取特征模型对所述标准图像进行特征提取，得到待检特征。
[0017]所述人脸识别方法，其中，所述人脸图像包括若干个关键点；所述对所述人脸图像进行矫正，得到标准图像，具体包括：
[0018]根据所述关键点以及预设的标定图像中的标定点，计算所述人脸图像与所述标定图像之间的仿射函数；
[0019]根据所述仿射函数，计算所述人脸图像中的各个像素点对应矫正点；
[0020]针对每一个矫正点，根据该矫正点对应的像素点的像素值，确定该矫正点对应的像素值，得到与所述人脸图像对应的标准图像。
[0021]所述人脸识别方法，其中，在所述基于所述初始相似度值和各个所述簇中心对应的人脸特征簇，确定与所述待检特征对应的候选特征簇，并将所述候选特征簇中的用户特征作为所述待检特征对应的候选特征之前，还包括：
[0022]获取用户样本集，其中，所述用户样本集包括若干个用户图像；
[0023]针对每一个所述用户图像，将该用户图像输入到所述特征提取模型，并基于所述特征提取模型对该用户图像进行特征提取，得到与该用户图像对应的用户特征；
[0024]对所述用户特征进行聚类，得到若干个人脸特征簇，其中，每一个所述人脸特征簇包括簇中心。
[0025]所述人脸识别方法，其中，所述对所述用户特征进行聚类，得到若干个人脸特征簇，具体包括:
[0026]根据预设的聚类算法，确定所述用户特征中的若干中心特征；
[0027]针对每一个中心特征，计算该中心特征与所述用户特征之间的第一相似距离；
[0028]根据所述第一相似距离，确定该中心特征对应的人脸特征簇和每一个所述人脸特征簇对应的簇中心。
[0029]所述人脸识别方法，其中，所述根据预设的聚类算法，确定所述用户特征中的若干中心特征具体包括：
[0030]获取所述用户特征中的第k中心特征，并将中心特征以外的用户特征作为遴选特征；其中，k为自然数，当k＝1时，第一中心特征为在所述用户特征中随机选择的中心特征；
[0031]针对每一个所述遴选特征，计算该遴选特征与所述第k中心特征之间的第二相似距离；
[0032]根据所述第二相似距离，确定所述遴选特征中的第(k+1)中心特征，直至(k+1)等于M，其中，M为预设的中心特征数。
[0033]所述人脸识别方法，其中，所述基于所述目标相似度值，确定所述待检图像的拍摄对象对应的用户信息具体包括：
[0034]选择所述目标相似度中的最大值作为比较相似度；
[0035]当所述比较相似度大于或等于预设的相似度阈值时，确定所述拍摄对象为用户，并将所述比较相似度对应的用户数信息为所述拍摄对象对应的用户信息；
[0036]当所述比较相似度小于预设的相似度阈值时，确定所述拍摄对象为非用户对象。
[0037]一种人脸识别装置，其中，具体包括：
[0038]获取模块，用于获取待检图像；
[0039]提取模块，用于对所述待检图像进行特征提取，得到待检特征；
[0040]第一计算模块，用于计算所述待检特征与预设的若干个簇中心之间的初始相似度
值；
[0041]第一确定模块，用于基于所述初始相似度值和各个所述簇中心对应的人脸特征簇，确定与所述待检特征对应的候选特征簇，并将所述候选特征簇中的用户特征作为所述待检特征对应的候选特征；
[0042]第二计算模块，用于计算所述待检特征与所述候选特征之间的目标相似度值；
[0043]第二确定模块，用于基于所述目标相似度值，确定所述待检图像的拍摄对象对应的用户信息。
[0044]一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上任一所述的人脸识别方法中的步骤。
[0045]一种终端设备，其包括：处理器、存储器及通信总线；所述存储器上存储有可被所述处理器执行的计算机可读程序；
[0046]所述通信总线实现处理器和存储器之间的连接通信；
[0047]所述处理器执行所述计算机可读程序时实现如上任一所述的人脸识别方法中的步骤。
[0048]有益效果：与现有技术相比，本专利技术提供了一种人脸识别方法、装置、计算机可读存储介质及终端设备，所述方法。预先将用户的人脸特征，即用户特征，分为多个集合，每一个集合成为人脸特征簇，每一个人脸特征簇包括一个簇中心。获取待检图像后，对待检图像进行向量化，提取待检图像的特征，得到待检特征。然后将待检特征与人脸本文档来自技高网...

【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：获取待检图像；对所述待检图像进行特征提取，得到待检特征；计算所述待检特征与预设的若干个簇中心之间的初始相似度值；基于所述初始相似度值和各个所述簇中心对应的人脸特征簇，确定与所述待检特征对应的候选特征簇，并将所述候选特征簇中的用户特征作为所述待检特征对应的候选特征；计算所述待检特征与所述候选特征之间的目标相似度值；基于所述目标相似度值，确定所述待检图像的拍摄对象对应的用户信息。2.根据权利要求1所述人脸识别方法，其特征在于，所述对所述待检图像进行特征提取，得到待检特征，具体包括：对所述待检图像进行人脸检测，得到人脸图像；对所述人脸图像进行矫正，得到标准图像；将所述标准图像输入到已训练的特征提取模型中，并基于所述提取特征模型对所述标准图像进行特征提取，得到待检特征。3.根据权利要求2所述人脸识别方法，其特征在于，所述人脸图像包括若干个关键点；所述对所述人脸图像进行矫正，得到标准图像，具体包括：根据所述关键点以及预设的标定图像中的标定点，计算所述人脸图像与所述标定图像之间的仿射函数；根据所述仿射函数，计算所述人脸图像中的各个像素点对应矫正点；针对每一个矫正点，根据该矫正点对应的像素点的像素值，确定该矫正点对应的像素值，得到与所述人脸图像对应的标准图像。4.根据权利要求2所述人脸识别方法，其特征在于，在所述基于所述初始相似度值和各个所述簇中心对应的人脸特征簇，确定与所述待检特征对应的候选特征簇，并将所述候选特征簇中的用户特征作为所述待检特征对应的候选特征之前，还包括：获取用户样本集，其中，所述用户样本集包括若干个用户图像；针对每一个所述用户图像，将该用户图像输入到所述特征提取模型，并基于所述特征提取模型对该用户图像进行特征提取，得到与该用户图像对应的用户特征；对所述用户特征进行聚类，得到若干个人脸特征簇，其中，每一个所述人脸特征簇包括簇中心。5.根据权利要求4所述人脸识别方法，其特征在于，所述对所述用户特征进行聚类，得到若干个人脸特征簇，具体包括:根据预设的聚类算法，确定所述用户特征中的若干中心特征；针对每一个中心特征，计算该中心特征与所述用户特征之间的第一相似距离；根据所述第一相似距离，确定该中心特征对应的人脸特征...

【专利技术属性】
技术研发人员：盛鹏，周有喜，乔国坤，
申请(专利权)人：新疆爱华盈通信息技术有限公司，
类型：发明
国别省市：