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与处理器。其中，该方法包括：对第一人脸图像的属性特征数据进行编码，得到第一人脸图像的人脸属性编码，其中，第一人脸图像为待进行人脸识别的图像；确定人脸属性编码分别与预定存储介质中的每一个预定编码之间的预定距离；基于预定距离确定预定存储介质中的多个第二人脸图像，其中，多个第二人脸图像为预先存储于预定存储介质并用于辅助人脸匹配的图像；确定多个第二人脸图像中与第一人脸图像的相似度最大的人脸图像为目标人脸图像；基于目标人脸图像得到第一人脸图像的识别结果。本发明专利技术解决了相关技术中人脸识别速度较慢、稳定性较差的技术问题。稳定性较差的技术问题。稳定性较差的技术问题。
【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与处理器
[0001]本专利技术涉及人脸识别领域，具体而言，涉及一种人脸识别方法、装置、计算机可读存储介质与处理器。
技术介绍
[0002]当前，人脸识别技术已广泛应用在支付、安防、考勤等领域。随着使用场景的扩充和人脸数据量的增大，大数据量下人脸识别的速度需求也越来越高。
[0003]目前的人脸识别技术通常会在获取人脸图像后，对整个人脸数据库进行匹配。排除匹配分数落在置信阈值外的人脸，然后按照人脸图片的相似程度对匹配分数落在置信阈值内的人脸图像进行排序，给出人脸识别分析结果。若数据量很大，则匹配的时间也会很长，这就会给用户的实际应用带来不好的体验。为了避免该问题，需要按照一定的规则对人脸数据库进行排序，使人脸能较早的匹配到数据库中对应的数据，从而减少匹配的次数，提高识别速度。
[0004]现有技术中，有些是通过人脸外的用户特征来对数据库重新排序，比如，从用户活跃度角度，降序排列数据库；从时间角度，利用用户刷脸的时间习惯，在特定时间内对数据库重排。但还有些通过对属性特征的简单组合来对数据库进行重新排序，比如，在匹配时，排除落在组合分类之外的数据，以减少数据量。上述方法，虽然提高了分类的速度，但这些方法整体分类能力较弱，且稳定性不佳。
[0005]针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
[0006]本专利技术实施例提供了一种人脸识别方法、装置、计算机可读存储介质与处理器，以至少解决相关技术中人脸识别速度较慢、稳定性较差的技术问题。
[0007]根据本专利技术实施例的一个方面，提供了一种人脸识别方法，包括：对第一人脸图像的属性特征数据进行编码，得到所述第一人脸图像的人脸属性编码，其中，所述第一人脸图像为待进行人脸识别的图像；确定所述人脸属性编码分别与预定存储介质中的每一个预定编码之间的预定距离；基于所述预定距离确定所述预定存储介质中的多个第二人脸图像，其中，所述多个第二人脸图像为预先存储于所述预定存储介质并用于辅助人脸匹配的图像；确定所述多个第二人脸图像中与所述第一人脸图像的相似度最大的人脸图像为目标人脸图像；基于所述目标人脸图像得到所述第一人脸图像的识别结果。
[0008]可选地，对第一人脸图像的属性特征数据进行编码，得到所述第一人脸图像的人脸属性编码，包括：采集所述第一人脸图像；对所述第一人脸图像进行分析，得到所述属性特征数据；对所述属性特征数据进行编码，得到所述第一人脸图像的人脸属性编码。
[0009]可选地，对所述第一人脸图像进行分析，得到所述属性特征数据，包括：将所述第一人脸图像输入人脸属性分析模型，其中，所述人脸属性分析模型为预先使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：人脸图像以
及带有属性标注的人脸图像；获取所述人脸属性分析模型的输出结果；基于所述输出结果得到所述属性特征数据。
[0010]可选地，在将所述第一人脸图像输入人脸属性分析模型之前，所述方法还包括：采集所述人脸图像；基于属性特征表对所述人脸图像进行标注，得到所述带有属性标注的人脸图像，其中，所述属性特征表基于属性特征分布状态生成；对第一数量的所述人脸图像以及所述第一数量的所述带有属性标注的人脸图像进行训练，得到所述人脸属性分析模型。
[0011]可选地，所述方法还包括：利用除所述第一数量的人脸图像以及除所述第一数量的带有标注的人脸图像对所述人脸属性分析模型进行测试。
[0012]可选地，确定所述人脸属性编码分别与预定存储介质中的每一个预定编码之间的预定距离，包括：获取所述预定存储介质中的每一个预定编码；确定所述人脸属性编码分别与所述每一个预定编码之间的预定距离。
[0013]可选地，基于所述预定距离确定所述预定存储介质中的多个第二人脸图像，包括：获取距离阈值；将所述预定距离分别与所述距离阈值进行比对，得到第一比对结果；基于所述第一比对结果过滤掉距离大于所述距离阈值的部分人脸图像，得到所述多个第二人脸图像。
[0014]可选地，确定所述多个第二人脸图像中与所述第一人脸图像的相似度最大的人脸图像为目标人脸图像，包括：将所述多个第二人脸图像以及所述第一人脸图像均进行分割，得到所述多个第二人脸图像中每一个人脸图像的多个人脸特征向量片段以及所述第一人脸图像的多个人脸特征向量片段；将所述每一个人脸图像的多个人脸特征向量片段与所述第一人脸图像的多个人脸特征向量片段进行比对，得到第二比对结果；基于所述第二比对结果过滤掉所述多个第二人脸图像中人脸特征向量片段与所述第一人脸图像的人脸特征向量片段的相似度不大于预设阈值的部分人脸图像，得到预定数量的第二人脸图像；确定所述预定数量的人脸图像中与所述第一人脸图像的相似度最大的人脸图像为所述目标人脸图像。
[0015]根据本专利技术实施例的另一方面，还提供了一种人脸识别装置，包括：编码单元，用于对第一人脸图像的属性特征数据进行编码，得到所述第一人脸图像的人脸属性编码，其中，所述第一人脸图像为待进行人脸识别的图像；第一确定单元，用于确定所述人脸属性编码分别与预定存储介质中的每一个预定编码之间的预定距离；第二确定单元，基于所述预定距离确定所述预定存储介质中的多个第二人脸图像，其中，所述多个第二人脸图像为预先存储于所述预定存储介质并用于辅助人脸匹配的图像；第三确定单元，用于确定所述多个第二人脸图像中与所述第一人脸图像的相似度最大的人脸图像为目标人脸图像；识别单元，用于基于所述目标人脸图像得到所述第一人脸图像的识别结果。
[0016]可选地，所述编码单元还包括采集模块、分析模块和编码模块，其中，所述采集模块用于采集所述第一人脸图像；所述分析模块用于对所述第一人脸图像进行分析，得到所述属性特征数据；所述编码模块用于对所述属性特征数据进行编码，得到所述第一人脸图像的人脸属性编码。
[0017]可选地，所述分析模块还包括输入子模块、获取子模块和生成子模块，其中，所述输入子模块用于将所述第一人脸图像输入人脸属性分析模型，其中，所述人脸属性分析模型为预先使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练
数据均包括：人脸图像以及带有属性标注的人脸图像；所述获取子模块用于获取所述人脸属性分析模型的输出结果；所述生成子模块用于基于所述输出结果得到所述属性特征数据。
[0018]可选地，所述装置还包括采集单元、标注单元和训练单元，所述采集单元用于在将所述第一人脸图像输入人脸属性分析模型之前，采集所述人脸图像；所述标注单元用于基于属性特征表对所述人脸图像进行标注，得到所述带有属性标注的人脸图像，其中，所述属性特征表基于属性特征分布状态生成；所述训练单元用于对第一数量的所述人脸图像以及所述第一数量的所述带有属性标注的人脸图像进行训练，得到所述人脸属性分析模型。
[0019]可选地，所述装置还包括测试单元，用于利用除所述第一数量的人脸图像以及除所述第一数量的带有标注的人脸图像对所述人脸属性分析模型进行测试。
[0020]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：对第一人脸图像的属性特征数据进行编码，得到所述第一人脸图像的人脸属性编码，其中，所述第一人脸图像为待进行人脸识别的图像；确定所述人脸属性编码分别与预定存储介质中的每一个预定编码之间的预定距离；基于所述预定距离确定所述预定存储介质中的多个第二人脸图像，其中，所述多个第二人脸图像为预先存储于所述预定存储介质并用于辅助人脸匹配的图像；确定所述多个第二人脸图像中与所述第一人脸图像的相似度最大的人脸图像为目标人脸图像；基于所述目标人脸图像得到所述第一人脸图像的识别结果。2.根据权利要求1所述的方法，其特征在于，对第一人脸图像的属性特征数据进行编码，得到所述第一人脸图像的人脸属性编码，包括：采集所述第一人脸图像；对所述第一人脸图像进行分析，得到所述属性特征数据；对所述属性特征数据进行编码，得到所述第一人脸图像的人脸属性编码。3.根据权利要求2所述的方法，其特征在于，对所述第一人脸图像进行分析，得到所述属性特征数据，包括：将所述第一人脸图像输入人脸属性分析模型，其中，所述人脸属性分析模型为预先使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：人脸图像以及带有属性标注的人脸图像；获取所述人脸属性分析模型的输出结果；基于所述输出结果得到所述属性特征数据。4.根据权利要求3所述的方法，其特征在于，在将所述第一人脸图像输入人脸属性分析模型之前，所述方法还包括：采集所述人脸图像；基于属性特征表对所述人脸图像进行标注，得到所述带有属性标注的人脸图像，其中，所述属性特征表基于属性特征分布状态生成；对第一数量的所述人脸图像以及所述第一数量的所述带有属性标注的人脸图像进行训练，得到所述人脸属性分析模型。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：利用除所述第一数量的人脸图像以及除所述第一数量的带有标注的人脸图像对所述人脸属性分析模型进行测试。6.根据权利要求1所述的方法，其特征在于，确定所述人脸属性编码分别与预定存储介质中的每一个预定编码之间的预定距离，包括：获取所述预定存储介质中的每一个预定编码；确定所述人脸属性编码分别与所述每一个预定编...
【专利技术属性】
技术研发人员：张逸清，陈高，陈彦宇，马雅奇，
申请(专利权)人：珠海联云科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。