人脸识别方法、装置、设备、存储介质和程序产品制造方法及图纸

本公开提供了一种人脸识别方法、装置、设备、存储介质和程序产品，涉及人工智能领域，具体为深度学习、计算机视觉技术领域，可应用于人脸图像处理、人脸识别等场景。具体实现方案为：通过对目标对象提取脸部区域特征和局部区域特征，并将提取到的特征分别与预设特征数据库中多个参照对象的预设脸部区域特征和预设局部区域特征进行相似度比对，进而基于相似度最高的第二脸部区域特征、第二局部区域特征、以及表征脸部区域特征和局部区域特征重要性的置信度，准确确定目标对象是否属于参照对象集合以及具体是参照对象集合中的哪一个参照对象，可以在佩戴口罩或者其他脸部存在遮挡的情况下更好的实现人脸识别，提高人脸识别的准确性和识别率。确性和识别率。确性和识别率。

【技术实现步骤摘要】
人脸识别方法、装置、设备、存储介质和程序产品


[0001]本公开涉及人工智能领域，具体为深度学习、计算机视觉
，可应用于人脸图像处理、人脸识别等场景，尤其涉及一种人脸识别方法、装置、设备、存储介质和程序产品。

技术介绍

[0002]随着人工智能设备的推广和广泛使用，人脸识别技术也得到广泛应用，其中，人脸识别技术是基于生物特征信息进行身份识别的一种生物识别技术。
[0003]通常情况下需要基于完整的人脸图像提取特征进行人脸识别；而在佩戴口罩或者其他脸部存在遮挡的情况下，人脸特征提取过程中会导致大量特征点丢失，造成识别率严重下降。

技术实现思路

[0004]本公开提供了一种人脸识别方法、装置、设备、存储介质和程序产品，以在佩戴口罩或者其他脸部存在遮挡的情况下更好的实现人脸识别，提高人脸识别的准确性和识别率。
[0005]根据本公开的第一方面，提供了一种人脸识别方法，包括：
[0006]对待识别的目标对象的脸部区域图像以及局部区域图像分别提取特征，得到第一脸部区域特征和第一局部区域特征；其中局部区域图像为脸部区域中目标局部区域的图像；
[0007]从预设特征数据库中分别获取与所述第一脸部区域特征相似度最高的第二脸部区域特征、以及与所述第一局部区域特征相似度最高的第二局部区域特征；其中所述预设特征数据库包括参照对象集合中多个参照对象的预设脸部区域特征和预设局部区域特征；
[0008]根据所述目标对象的脸部区域图像确定所述脸部区域中局部区域之外存在遮挡的置信度；r/>[0009]基于所述第二脸部区域特征、所述第二局部区域特征以及所述置信度，确定对目标对象的人脸识别结果。
[0010]根据本公开的第二方面，提供了一种人脸识别装置，包括：
[0011]特征提取单元，用于对待识别的目标对象的脸部区域图像以及局部区域图像分别提取特征，得到第一脸部区域特征和第一局部区域特征；其中局部区域图像为脸部区域中目标局部区域的图像；
[0012]对比单元，用于从预设特征数据库中分别获取与所述第一脸部区域特征相似度最高的第二脸部区域特征、以及与所述第一局部区域特征相似度最高的第二局部区域特征；其中所述预设特征数据库包括参照对象集合中多个参照对象的预设脸部区域特征和预设局部区域特征；
[0013]遮挡判断单元，用于根据所述目标对象的脸部区域图像确定所述脸部区域中局部
区域之外存在遮挡的置信度；
[0014]识别单元，用于基于所述第二脸部区域特征、所述第二局部区域特征以及所述置信度，确定对目标对象的人脸识别结果。
[0015]根据本公开的第三方面，提供了一种电子设备，包括：
[0016]至少一个处理器；以及
[0017]与所述至少一个处理器通信连接的存储器；其中，
[0018]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面所述的方法。
[0019]根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行如第一方面所述的方法。
[0020]根据本公开的第五方面，提供了一种计算机程序产品，所述计算机程序产品包括：计算机程序，所述计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面所述的方法。
[0021]本公开提供的人脸识别方法、装置、设备、存储介质和程序产品，通过对目标对象提取脸部区域特征和局部区域特征，并将提取到的特征分别与预设特征数据库中多个参照对象的预设脸部区域特征和预设局部区域特征进行相似度比对，进而基于相似度最高的第二脸部区域特征、第二局部区域特征、以及表征脸部区域特征和局部区域特征重要性的置信度，准确确定目标对象是否属于参照对象集合以及具体是参照对象集合中的哪一个参照对象，可以在佩戴口罩或者其他脸部存在遮挡的情况下更好的实现人脸识别，提高人脸识别的准确性和识别率。
[0022]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0023]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0024]图1为本公开一示例性实施例示出的人脸识别方法的流程示意图；
[0025]图2为本公开一示例性实施例示出的获取脸部区域图像和局部区域图像的示意图；
[0026]图3为本公开另一示例性实施例示出的人脸识别方法的流程示意图；
[0027]图4为本公开一示例性实施例示出的人脸识别装置的结构示意图；
[0028]图5为本公开另一示例性实施例示出的人脸识别装置的结构示意图；
[0029]图6是用来实现本公开实施例的方法的电子设备的框图。
具体实施方式
[0030]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0031]随着人工智能设备的推广和广泛使用，人脸识别技术也得到广泛应用，其中，人脸识别技术是基于生物特征信息进行身份识别的一种生物识别技术。
[0032]在人脸识别技术中，通过采集含有人脸的图像或视频，并自动在图像中检测和跟踪人脸，进而对检测到的人脸提取图像特征进行识别。
[0033]通常情况下需要基于完整的人脸图像提取特征进行人脸识别；而在佩戴口罩或者其他脸部存在遮挡的情况下，人脸特征提取过程中会导致大量特征点丢失，造成识别率严重下降。
[0034]为了解决上述技术问题，本公开提供了一种人脸识别方法，通过对待识别的目标对象的脸部区域图像以及脸部区域中目标局部区域的局部区域图像分别提取脸部区域特征和局部区域特征，并将提取到的特征分别与预设特征数据库中多个参照对象的预设脸部区域特征和预设局部区域特征进行相似度比对；根据目标对象的脸部区域图像确定脸部区域中局部区域之外存在遮挡的置信度；进而基于特征比对结果以及置信度确定对目标对象的人脸识别结果。本公开提供了一种人脸识别方法涉及人工智能领域中的人脸识别领域，可以在佩戴口罩或者其他脸部存在遮挡的情况下更好的实现人脸识别，提高人脸识别的准确性和识别率。
[0035]图1为本公开一示例性实施例示出的人脸识别方法示意图。本实施例提供的人脸识别方法，其执行主体为终端设备、服务器等电子设备，如图1所示，该人脸识别方法包括：
[0036]步骤101、对待识别的目标对象的脸部区域图像以及局部区域图像分别提取特征，得到第一脸部区域特征和第一局部区域特征；
[0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，包括：对待识别的目标对象的脸部区域图像以及局部区域图像分别提取特征，得到第一脸部区域特征和第一局部区域特征；其中局部区域图像为脸部区域中目标局部区域的图像；从预设特征数据库中分别获取与所述第一脸部区域特征相似度最高的第二脸部区域特征、以及与所述第一局部区域特征相似度最高的第二局部区域特征；其中所述预设特征数据库包括参照对象集合中多个参照对象的预设脸部区域特征和预设局部区域特征；根据所述目标对象的脸部区域图像确定所述脸部区域中局部区域之外存在遮挡的置信度；基于所述第二脸部区域特征、所述第二局部区域特征以及所述置信度，确定对目标对象的人脸识别结果。2.根据权利要求1所述的方法，其中，所述基于所述第二脸部区域特征、所述第二局部区域特征以及所述置信度，确定对目标对象的人脸识别结果，包括：若所述第二脸部区域特征与所述第二局部区域特征对应同一目标参照对象，则根据所述第一脸部区域特征与所述第二脸部区域特征之间的第一相似度、所述第一局部区域特征与所述第二局部区域特征之间的第二相似度以及所述置信度，获取所述目标对象与所述目标参照对象之间的匹配分数；若所述匹配分数大于预设阈值，则确定所述目标对象为所述目标参照对象；或者若所述匹配分数不大于预设阈值，则确定所述目标对象不属于所述参照对象集合。3.根据权利要求2所述的方法，其中，所述根据所述第一脸部区域特征与所述第二脸部区域特征之间的第一相似度、所述第一局部区域特征与所述第二局部区域特征之间的第二相似度以及所述置信度，获取所述目标对象与所述目标参照对象之间的匹配分数，包括：将所述置信度确定为所述第二相似度的权重，将1减去所述置信度的差值确定为所述第一相似度的权重；根据所述第一相似度和所述第二相似度的权重，获取所述第一相似度和所述第二相似度的加权和，将所述加权和确定为所述目标对象与所述目标参照对象之间的匹配分数。4.根据权利要求1或2所述的方法，还包括：若所述第二脸部区域特征与所述第二局部区域特征对应不同的目标参照对象，则确定所述目标对象不属于所述参照对象集合。5.根据权利要求1
‑
4任一项所述的方法，其中，所述对待识别的目标对象的脸部区域图像以及脸部区域中局部区域图像分别提取特征，得到第一脸部区域特征和第一局部区域特征，包括：利用预设的脸部区域特征提取模型对所述目标对象的脸部区域图像提取特征，得到所述第一脸部区域特征；利用预设的局部区域特征提取模型对所述目标对象的局部区域图像提取特征，得到所述第一局部区域特征。6.根据权利要求5所述的方法，其中，还包括：利用所述脸部区域特征提取模型分别对所述参照对象集合中多个参照对象的脸部区域图像提取特征，得到各参照对象的预设脸部区域特征；利用预设的局部区域特征提取模型分别对所述参照对象集合中多个参照对象的局部
区域图像提取特征，得到各参照对象的预设局部区域特征；将各参照对象的预设脸部区域特征以及各参照对象的预设局部区域特征存储到所述预设特征数据库中。7.根据权利要求1
‑
6任一项所述的方法，其中，所述根据所述目标对象的脸部区域图像确定所述脸部区域中局部区域之外存在遮挡的置信度，包括：利用预设的遮挡判断模型对所述目标对象的脸部区域图像进行处理，得到所述脸部区域中局部区域之外存在遮挡的置信度。8.根据权利要求5或6所述的方法，其中，所述脸部区域特征提取模型是预先训练的第一分类神经网络模型的特征提取层，其中，所述第一分类神经网络模型用于根据输入的脸部区域图像进行对象分类；和/或所述局部区域特征提取模型是预先训练的第二分类神经网络模型的特征提取层，其中，所述第一分类神经网络模型用于根据输入的局部区域图像进行对象分类。9.根据权利要求1
‑
8任一项所述的方法，其中，所述对待识别的目标对象的脸部区域图像以及局部区域图像分别提取特征前，还包括：根据预设的脸部区域识别模型对目标对象图像进行处理，在所述目标对象图像中确定所述脸部区域图像以及所述局部区域图像。10.一种人脸识别装置，包括：特征提取单元，用于对待识别的目标对象的脸部区域图像以及局部区域图像分别提取特征，得到第一脸部区域特征和第一局部区域特征；其中局部区域图像为脸部区域中目标局部区域的图像；对比单元，用于从预设特征数据库中分别获取与所述第一脸部区域特征相似度最高的第二脸部区域特征...

【专利技术属性】
技术研发人员：张婉平，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：