本申请的实施例提供了一种人脸识别方法、装置、处理设备及存储介质，涉及计算机视觉技术领域。通过获取初始采集图像，初始采集图像包括：目标人脸的人脸图像信息；对初始采集图像进行定位处理，得到目标人脸的特征点信息；根据目标人脸的特征点信息，确定目标人脸的偏航角；若目标人脸的偏航角大于预设角度阈值，则确定目标人脸的角度为侧脸；若目标人脸的角度为侧脸，则基于预先训练得到的生成对抗网络生成初始采集图像对应的正面人脸图像；根据正面人脸图像以及人脸图像库，确定目标人脸的身份信息，人脸图像库中保存有多张人脸图像以及各张人脸图像的身份信息。弱化了人脸姿势的变化、形变对身份识别的影响，提高了人脸识别的效率和准确率。效率和准确率。效率和准确率。
【技术实现步骤摘要】
人脸识别方法、装置、处理设备及存储介质
[0001]本申请涉及计算机视觉
，具体而言，涉及一种人脸识别方法、装置、处理设备及存储介质。
技术介绍
[0002]人脸识别技术属于生物特征识别技术，是基于人的面部特征信息进行身份识别的方法，广泛应用于出入管理、门禁考勤、智能报警等场景。
[0003]现有的人脸识别技术，一般是将相机拍摄的采集图像进行检测、对齐等处理，以确定人脸区域，然后，将该人脸区域的特征向量提取出来，与目标库中已存储的图像与该采集图像进行匹配，识别其是否为同一身份信息。
[0004]但是，由于现有的目标库普遍是基于人脸的正面样本建立的，而人脸在运动过程中可能会发生不同程度的变形，使得采集图像可能仅包含侧面人脸信息，这导致了人脸识别的准确度降低。
技术实现思路
[0005]本申请的目的包括，例如，提供了一种人脸识别方法、装置、处理设备及存储介质，其能够根据目标人脸的侧脸重建正面人脸图像，从而进一步确定目标人脸的身份信息，弱化了人脸姿势的变化、人脸形变对人脸身份识别的影响，提高了人脸识别的效率和准确率。
[0006]本申请的实施例可以这样实现：
[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]获取初始采集图像，所述初始采集图像包括：目标人脸的人脸图像信息；
[0009]对所述初始采集图像进行定位处理，得到所述目标人脸的特征点信息；
[0010]根据所述目标人脸的特征点信息，确定所述目标人脸的偏航角；
[0011]若所述目标人脸的偏航角大于预设角度阈值，则确定所述目标人脸的角度为侧脸；
[0012]若所述目标人脸的角度为侧脸，则基于预先训练得到的生成对抗网络生成所述初始采集图像对应的正面人脸图像；
[0013]根据所述正面人脸图像以及人脸图像库，确定所述目标人脸的身份信息，所述人脸图像库中保存有多张人脸图像以及各张人脸图像的身份信息。
[0014]在一种可选的实施方式中，所述对抗网络包括：目标生成网络，所述目标生成网络中包括：编码器和解码器；
[0015]所述基于预先训练得到的生成对抗网络生成所述初始采集图像对应的正面人脸图像，包括：
[0016]对所述初始采集图像进行裁剪，得到人脸裁剪图像；
[0017]将所述人脸裁剪图像输入所述编码器中，得到编码向量；
[0018]生成随机噪声信息以及姿势代码信息；
[0019]将所述编码向量、随机噪声信息以及姿势代码信息输入所述解码器中，由所述解码器根据所述随机噪声信息以及所述姿势代码信息对所述编码向量进行解码处理，得到所述正面人脸图像，其中，所述随机噪声信息用于表征人脸外观的变化信息，所述姿势代码信息用于突出人脸的面部身份信息以及弱化面部姿态信息。
[0020]在一种可选的实施方式中，所述方法还包括：
[0021]构建生成对抗初始网络，所述生成对抗初始网络包括：初始判别网络、初始生成网络；
[0022]获取多张训练图像，所述多张训练图像包括：多个训练人脸的图像信息；
[0023]利用所述多张训练图像对所述生成对抗初始网络进行训练，并根据训练结果对所述初始判别网络、所述初始生成网络进行修正，得到所述生成对抗网络。
[0024]在一种可选的实施方式中，所述利用所述多张训练图像对所述生成对抗初始网络进行训练，并根据训练结果对所述初始判别网络、所述初始生成网络进行修正，得到所述生成对抗网络，包括：
[0025]生成随机噪声信息以及姿势代码信息；
[0026]将第一训练图像、姿势代码信息、随机噪声信息输入至所述初始生成网络中，得到第一生成图像；
[0027]将所述第一训练图像、第一生成图像输入至所述初始判别网络，得到所述第一生成图像的图像评价结果；
[0028]根据所述图像评价结果，对所述初始生成网络以及所述初始判别网络进行修正，得到新的生成对抗初始网络；
[0029]重复上述过程，直至所述图像评价结果达到预设阈值，将所述新的生成对抗初始网络作为所述生成对抗网络。
[0030]在一种可选的实施方式中，所述根据所述正面人脸图像以及人脸图像库，确定所述目标人脸的身份信息，包括：
[0031]对所述正面人脸图像进行特征提取，得到所述目标人脸的目标特征；
[0032]将所述目标特征与所述人脸图像库中各人脸图像的特征进行比对，根据比对结果确定所述目标人脸的身份信息。
[0033]在一种可选的实施方式中，所述将所述目标特征与所述人脸图像库中各人脸图像的特征进行比对，根据比对结果确定所述目标人脸的身份信息，包括：
[0034]分别计算所述目标特征与所述各人脸图像的特征的相似度，得到多个相似度评分；
[0035]将所述多个相似度评分分别与预设评分阈值比较，将大于所述预设评分阈值且值最大的相似度评分对应的人脸图像作为目标比对图像；
[0036]将所述目标比对图像的身份信息作为所述目标人脸的身份信息。
[0037]在一种可选的实施方式中，对所述初始采集图像进行定位处理，得到所述目标人脸的特征点信息，包括：
[0038]将所述初始采集图像输入至预先训练得到的卷积神经网络中，得到所述目标人脸的多个三维特征点；
[0039]根据所述多个三维特征点，生成所述目标人脸的特征点信息。
[0040]第二方面，本申请实施例提供一种人脸识别装置，包括：
[0041]获取模块，用于获取初始采集图像，所述初始采集图像包括：目标人脸的人脸图像信息；
[0042]定位模块，用于对所述初始采集图像进行定位处理，得到所述目标人脸的特征点信息；
[0043]处理模块，根据所述目标人脸的特征点信息，确定所述目标人脸的偏航角；若所述目标人脸的偏航角大于预设角度阈值，则确定所述目标人脸的角度为侧脸；若所述目标人脸的角度为侧脸，则基于预先训练得到的生成对抗网络生成所述初始采集图像对应的正面人脸图像；
[0044]确定模块，用于根据所述正面人脸图像以及人脸图像库，确定所述目标人脸的身份信息，所述人脸图像库中保存有多张人脸图像以及各张人脸图像的身份信息。
[0045]所述处理模块具体还用于：所述对抗网络包括：目标生成网络，所述目标生成网络中包括：编码器和解码器；对所述初始采集图像进行裁剪，得到人脸裁剪图像；将所述人脸裁剪图像输入所述编码器中，得到编码向量；生成随机噪声信息以及姿势代码信息；将所述编码向量、随机噪声信息以及姿势代码信息输入所述解码器中，由所述解码器根据所述随机噪声信息以及所述姿势代码信息对所述编码向量进行解码处理，得到所述正面人脸图像，其中，所述随机噪声信息用于表征人脸外观的变化信息，所述姿势代码信息用于突出人脸的面部身份信息以及弱化面部姿态信息。
[0046]训练模块，用于构建生成对抗初始网络，所述生成对抗初始网络包括：初始判别网络、初始生成网络；获取多张训练图像本文档来自技高网...
【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：获取初始采集图像，所述初始采集图像包括：目标人脸的人脸图像信息；对所述初始采集图像进行定位处理，得到所述目标人脸的特征点信息；根据所述目标人脸的特征点信息，确定所述目标人脸的偏航角；若所述目标人脸的偏航角大于预设角度阈值，则确定所述目标人脸的角度为侧脸；若所述目标人脸的角度为侧脸，则基于预先训练得到的生成对抗网络生成所述初始采集图像对应的正面人脸图像；根据所述正面人脸图像以及人脸图像库，确定所述目标人脸的身份信息，所述人脸图像库中保存有多张人脸图像以及各张人脸图像的身份信息。2.根据权利要求1所述的人脸识别方法，其特征在于，所述对抗网络包括：目标生成网络，所述目标生成网络中包括：编码器和解码器；所述基于预先训练得到的生成对抗网络生成所述初始采集图像对应的正面人脸图像，包括：对所述初始采集图像进行裁剪，得到人脸裁剪图像；将所述人脸裁剪图像输入所述编码器中，得到编码向量；生成随机噪声信息以及姿势代码信息；将所述编码向量、随机噪声信息以及姿势代码信息输入所述解码器中，由所述解码器根据所述随机噪声信息以及所述姿势代码信息对所述编码向量进行解码处理，得到所述正面人脸图像，其中，所述随机噪声信息用于表征人脸外观的变化信息，所述姿势代码信息用于突出人脸的面部身份信息以及弱化面部姿态信息。3.根据权利要求1所述的人脸识别方法，其特征在于，所述方法还包括：构建生成对抗初始网络，所述生成对抗初始网络包括：初始判别网络、初始生成网络；获取多张训练图像，所述多张训练图像包括：多个训练人脸的图像信息；利用所述多张训练图像对所述生成对抗初始网络进行训练，并根据训练结果对所述初始判别网络、所述初始生成网络进行修正，得到所述生成对抗网络。4.根据权利要求3所述的人脸识别方法，其特征在于，所述利用所述多张训练图像对所述生成对抗初始网络进行训练，并根据训练结果对所述初始判别网络、所述初始生成网络进行修正，得到所述生成对抗网络，包括：生成随机噪声信息以及姿势代码信息；将第一训练图像、姿势代码信息、随机噪声信息输入至所述初始生成网络中，得到第一生成图像；将所述第一训练图像、第一生成图像输入至所述初始判别网络，得到所述第一生成图像的图像评价结果；根据所述图像评价结果，对所述初始生成网络以及所述初始判别网络进行修正，得到新的生成对抗初始网络；重复上述过程，直至所述图像评价结果达到预设阈值，将...
【专利技术属性】
技术研发人员：张雷，杨思佳，
申请(专利权)人：北京建筑大学，
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。