人脸识别模型的训练方法、存储介质及智能门锁技术

本发明专利技术公开了一种人脸识别模型的训练方法、存储介质及智能门锁，该训练方法包括：获取第一训练图像集，第一训练图像集包括样本图像和与样本图像对应的深度图像；将样本图像和深度图像，输入至初始人脸识别模型进行训练，得到样本特征向量、深度特征向量、融合特征；基于样本特征向量、深度特征向量、融合特征确定初始人脸识别模型的损失函数；根据初始人脸识别模型的损失函数，调整初始人脸识别模型的参数，得到目标人脸识别模型。该训练方法无需采集百万级别的彩色图像及其对应的深度图像，具有训练成本低的优点，且该训练方法训练得到的目标人脸识别模型具有人脸识别精度高，人脸识别能耗低，人脸识别速度快的优点。人脸识别速度快的优点。人脸识别速度快的优点。

【技术实现步骤摘要】
人脸识别模型的训练方法、存储介质及智能门锁


[0001]本专利技术涉及人脸识别
，尤其涉及一种人脸识别模型的训练方法、存储介质及智能门锁。

技术介绍

[0002]相关技术中，人脸识别模型所需要的人脸ID较多，且目前人脸识别模型公开训练集合都已经达到了百万级以上的规模，而训练智能门锁系统中的人脸识别模型，采集百万级别ID的人脸彩色图、红外图、深度图成本太高也不太可行。

技术实现思路

[0003]本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种人脸识别模型的训练方法，无需采集百万级别的彩色图像及其对应的深度图像，具有训练成本低的优点，且训练得到的目标人脸识别模型具有人脸识别精度高，人脸识别能耗低，人脸识别速度快的优点。
[0004]本专利技术的第二个目的在于提出一种计算机可读存储介质。
[0005]本专利技术的第三个目的在于提出一种智能门锁。
[0006]为达到上述目的，本专利技术第一方面实施例提出了一种人脸识别模型的训练方法，包括：获取第一训练图像集，其中，所述第一训练图像集包括样本图像和与样本图像对应的深度图像；将样本图像和深度图像输入至初始人脸识别模型进行训练，得到样本特征向量、深度特征向量、融合特征；基于所述样本特征向量、深度特征向量、融合特征确定所述初始人脸识别模型的损失函数；根据所述初始人脸识别模型的损失函数，调整所述初始人脸识别模型的参数，得到目标人脸识别模型。根据本专利技术实施例的人脸识别模型的训练方法，可以基于样本图像和与样本图像对应的深度图像进行人脸识别模型的训练，这样降低了人脸识别模型的训练成本，该训练方法训练得到的目标人脸识别模型具有人脸识别精度高，人脸识别能耗低，人脸识别速度快的优点。
[0007]另外，根据本专利技术上述实施例提出的人脸识别模型的训练方法还可以具有如下附加的技术特征：
[0008]根据本专利技术的一个实施例，所述获取第一训练图像集，包括：采集多个彩色图像；将所述彩色图像输入训练好的3D人脸重构模型，得到与所述彩色图像对应的深度图像，在另外一些示例下可以直接采集到与彩色图像对应的深度图像；将所述彩色图像输入训练好的红外生成模型得到与所述彩色图像对应的红外图像，将各所述彩色图像和/或与各所述彩色图像对应的红外图像，以及与所述彩色图像对应的深度图像作为所述第一训练图像集。
[0009]根据本专利技术的一个实施例，所述3D人脸重构模型的训练过程包括：获取第二训练图像集，所述第二训练图像集包括彩色图像和与所述彩色图像对应的深度图像；对所述第二训练图像集中各彩色图像进行人脸检测，得到所述第二训练图像集中各彩色图像对应的
彩色人脸框图；根据所述彩色人脸框图对所述第二训练图像集中其对应的深度图像进行人脸位置定位，得到所述第二训练图像集中各；利用所述彩色人脸框图和所述深度人脸框图，训练初始3D人脸重构模型直至收敛，得到所述3D人脸重构模型。
[0010]根据本专利技术的一个实施例，所述样本图像为若干彩色图像，所述获取第一训练图像集之前，还包括：采集多张彩色图像，利用预训练的人脸质量评估模型对彩色图像进行质量评估，得到质量得分；确定质量得分大于或等于预设值的彩色图像为所述样本图像；确定质量得分小于预设值的彩色图像，对各所述彩色图像进行人脸检测，得到各所述彩色图像对应的彩色人脸框图；利用人脸关键点模型分别对各所述彩色人脸框图进行关键点提取，得到各所述彩色图像的彩色人脸关键点坐标；根据各所述彩色人脸关键点坐标分别对相应的彩色图像进行校正；利用预训练的人脸质量评估模型对校正后的彩色图像进行质量评估，得到质量得分；确定质量得分大于或等于预设值的彩色图像为所述样本图像。
[0011]根据本专利技术的一个实施例，所述人脸识别模型包括样本特征提取模块、深度特征提取模块和特征融合模块，所述深度特征提取模块采用连接权重固定的神经网络。
[0012]根据本专利技术的一个实施例，所述特征融合模块包括第一特征融合子模块和第二特征融合子模块，所述第一特征融合子模块采用二分类网络，所述第一特征融合子模块对应的融合特征为人脸类别，其中，所述人脸类别包括活体分类和假体分类；所述第二特征融合子模块采用人脸特征提取网络，所述第二特征融合子模块对应的融合特征为人脸特征。
[0013]根据本专利技术的一个实施例，将样本图像和深度图像输入至初始人脸识别模型，得到样本特征向量、深度特征向量、融合特征和活体分类结果，包括：将所述第一训练图像集中的样本图像输入至样本特征提取模块，得到样本特征向量；将所述第一训练图像集中的深度图像输入至深度特征提取模块，得到深度特征向量；基于所述样本特征向量和所述深度特征向量得到融合特征。
[0014]在本专利技术的一个实施例中，所述基于所述样本特征向量和所述深度特征向量得到融合特征，包括：将所述样本特征向量和所述深度特征向量输入第一特征融合子模块，判断人脸类别活体分类结果；当所述深度特征向量为零向量时，所述活体分类结果为假体分类；当所述深度特征向量为非零向量时，将所述深度特征向量与预设人脸图像的深度特征进行比对；当对比结果小于预设阈值时，所述活体分类结果为假体分类；当对比结果大于预设阈值时，将样本特征向量、深度特征向量输入至第二特征融合子模块，得到融合特征，用以进行人脸识别。
[0015]为达到上述目的，本专利技术第二方面实施例提出了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如本专利技术第一方面实施例提出的人脸识别模型的训练方法。
[0016]为达到上述目的，本专利技术第三方面实施例提出了一种智能门锁，包括：图像采集单元，用于采集彩色图像，在一些示例下图像采集单元也可以采集彩色图像，同时也采集到与彩色图像对应的深度图像和/或红外图像；人脸识别单元，用于利用如本专利技术第一方面实施例提出的人脸识别模型的训练方法得到的人脸识别模型对所述人脸图像进行活体识别和人脸识别；门锁控制单元，用于根据不同的门锁信号控制智能门锁解锁或保持闭合。
[0017]本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0018]图1是本专利技术一个实施例的人脸识别模型的训练方法的流程图；
[0019]图2是本专利技术一个实施例的获取第一训练图像集的流程图；
[0020]图3是本专利技术一个实施例的训练3D人脸重构模型的流程图；
[0021]图4是本专利技术一个实施例的进行人脸识别的流程图；
[0022]图5是本专利技术一个实施例的智能门锁的示意图。
具体实施方式
[0023]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。
[0024]下面将结合说明书附图1
‑
5以及具体的实施方式对本专利技术实施例的人脸识别模型的训练本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸识别模型的训练方法，其特征在于，包括：获取第一训练图像集，其中，所述第一训练图像集包括样本图像和与所述样本图像对应的深度图像；将所述样本图像和所述深度图像输入至初始人脸识别模型进行训练，得到样本特征向量、深度特征向量、融合特征；基于所述样本特征向量、深度特征向量、融合特征确定所述初始人脸识别模型的损失函数；根据所述初始人脸识别模型的损失函数，调整所述初始人脸识别模型的参数，得到目标人脸识别模型。2.根据权利要求1所述的人脸识别模型的训练方法，其特征在于，所述获取第一训练图像集，包括：采集多个彩色图像；将所述彩色图像输入训练好的3D人脸重构模型得到与所述彩色图像对应的深度图像，和/或，采集与多个所述彩色图像对应的深度图像；将所述彩色图像输入训练好的红外生成模型得到与所述彩色图像对应的红外图像；将各所述彩色图像和/或与各所述彩色图像对应的红外图像，以及与所述彩色图像对应的深度图像作为所述第一训练图像集。3.根据权利要求2所述的人脸识别模型的训练方法，其特征在于，所述3D人脸重构模型的训练过程包括：获取第二训练图像集，所述第二训练图像集包括彩色图像和与所述彩色图像对应的深度图像；对所述第二训练图像集中各彩色图像进行人脸检测，得到所述第二训练图像集中各彩色图像对应的彩色人脸框图；根据所述彩色人脸框图对所述第二训练图像集中其对应的深度图像进行人脸位置定位，得到所述第二训练图像集中各深度图像的深度人脸框图；利用所述彩色人脸框图和所述深度人脸框图，训练初始3D人脸重构模型直至收敛，得到所述3D人脸重构模型。4.根据权利要求1所述的人脸识别模型的训练方法，其特征在于，所述获取第一训练图像集之前，还包括：采集多张彩色图像，利用预训练的人脸质量评估模型对所述彩色图像进行质量评估，得到质量得分；确定质量得分大于或等于预设值的彩色图像为样本图像；确定质量得分小于预设值的彩色图像，对各所述彩色图像进行人脸检测，得到各所述彩色图像对应的彩色人脸框图；利用人脸关键点模型分别对各所述彩色人脸框图进行关键点提取，得到各所述彩色图像的彩色人脸关键点坐标；根据各所述彩色人脸关键点坐标分别对相应的彩色图像进行校正；利用预训练的人脸质量评估模型对校正后的彩色图像进行质量评估，得到质量得分；确定质量得分大于或等于预设值的彩色图像为样本图像。5.根据权利要求...

【专利技术属性】
技术研发人员：蔡中印，
申请(专利权)人：深圳市杉川机器人有限公司，
类型：发明
国别省市：