本公开提供了一种人脸识别方法、装置、电子设备及存储介质，其中，该方法包括：获取佩戴口罩的待识别第一人脸图片；利用混合人脸识别模型，对第一人脸图片进行特征提取，得到第一人脸特征；基于第一人脸特征和预设的混合人脸特征库确定第一人脸图片的人脸识别结果。本公开中的混合人脸识别模型是混合佩戴口罩的人脸图片样本以及未佩戴口罩的人脸图片样本训练得到的，对于口罩遮挡所产生的人脸特征有了更为精准的表现能力，这使得对于佩戴口罩的目标人脸具有较高的识别准确率。标人脸具有较高的识别准确率。标人脸具有较高的识别准确率。
【技术实现步骤摘要】
人脸识别方法、装置、电子设备及存储介质
[0001]本公开涉及图像处理
，具体而言，涉及一种人脸识别方法、装置、电子设备及存储介质。
技术介绍
[0002]随着计算机技术的飞速发展，图像处理技术应用到了越来越多的领域，例如，人脸识别领域。人脸识别技术作为一种基于生物特征信息进行身份识别的生物识别技术，被广泛应用于监控系统、打卡考勤、小区门禁、安全支付等领域。
[0003]在一些特殊时期，用户需要佩戴口罩。但是戴口罩会遮挡嘴巴、鼻子等人脸的关键特征，这将给人脸识别技术造成很大的挑战，难以保证人脸识别的准确率。
技术实现思路
[0004]本公开实施例至少提供一种人脸识别方法、装置、电子设备及存储介质，以提升人脸识别的准确率。
[0005]第一方面，本公开实施例提供了一种人脸识别方法，包括：
[0006]获取佩戴口罩的待识别第一人脸图片；
[0007]利用混合人脸识别模型，对所述第一人脸图片进行特征提取，得到第一人脸特征；
[0008]基于所述第一人脸特征和预设的混合人脸特征库，确定所述第一人脸图片的人脸识别结果。
[0009]在一种可能的实施方式中，所述混合人脸特征库的预设包括：
[0010]利用所述混合人脸识别模型对未佩戴口罩的待注册第二人脸图片进行特征提取，得到第二人脸特征；
[0011]将所述第二人脸特征添加至所述混合人脸特征库。
[0012]在一种可能的实施方式中，还包括：
[0013]对所述第二人脸图片添加仿真口罩，得到第三人脸图片；
[0014]利用所述混合人脸识别模型对所述第三人脸图片进行特征提取，得到第三人脸特征；
[0015]将所述第三人脸特征添加至所述混合人脸特征库。
[0016]在一种可能的实施方式中，所述基于所述第一人脸特征和预设的混合人脸特征库，确定所述第一人脸图片的人脸识别结果，包括：
[0017]将所述第一人脸特征与所述混合人脸特征库中的第二人脸特征和第三人脸特征进行匹配，得到人脸识别结果。
[0018]在一种可能的实施方式中，所述混合人脸识别模型基于普通人脸图片样本及口罩人脸图片样本训练得到。
[0019]在一种可能的实施方式中，所述混合人脸识别模型的训练包括：
[0020]获取人脸图片训练集，所述人脸图片训练集包括普通人脸图片样本及口罩人脸图
片样本；
[0021]利用待训练的混合人脸识别模型对所述人脸图片训练集进行至少一轮的模型训练，训练得到所述混合人脸识别模型。
[0022]在一种可能的实施方式中，所述口罩人脸图片样本包括所述普通人脸图片样本对应的部分或全部仿真口罩人脸样本。
[0023]在一种可能的实施方式中，所述口罩人脸图片样本还包括采集真实人脸佩戴口罩的真实口罩人脸样本。
[0024]在一种可能的实施方式中，所述普通人脸图片样本的数量大于或等于所述口罩人脸图片样本的数量。
[0025]在一种可能的实施方式中，所述利用待训练的混合人脸识别模型对所述人脸图片训练集进行至少一轮的模型训练，训练得到所述混合人脸识别模型，包括：
[0026]对所述人脸图片训练集包括的各人脸图片样本进行特征提取，得到训练样本人脸特征；
[0027]对所述训练样本人脸特征进行人脸分类，得到分类结果；
[0028]基于所述分类结果与针对人脸图片样本的标注结果调整模型参数值，直至达到模型收敛条件。
[0029]在一种可能的实施方式中，在所述训练得到所述混合人脸识别模型之后，所述方法还包括：
[0030]获取人脸图片验证集，所述人脸图片验证集包括普通人脸图片样本及口罩人脸图片样本；
[0031]从所述人脸图片验证集中选取两个人脸图片样本；
[0032]对所述两个人脸图片样本分别进行特征提取，得到两个验证样本人脸特征；
[0033]基于所述两个验证样本人脸特征对训练得到的混合人脸识别模型进行验证，得到模型验证结果。
[0034]在一种可能的实施方式中，所述基于所述第一人脸特征和预设的混合人脸特征库，确定所述第一人脸图片的人脸识别结果，包括：
[0035]获取所述混合人脸特征库；
[0036]将所述第一人脸特征与所述混合人脸特征库中的各人脸特征进行匹配，得到第一匹配结果；
[0037]基于所述第一匹配结果确定所述第一人脸图片的人脸识别结果。
[0038]在一种可能的实施方式中，所述方法还包括：
[0039]获取未佩戴口罩的待识别第四人脸图片；
[0040]利用常规人脸识别模型，对所述第四人脸图片进行特征提取，得到第四人脸特征；所述常规人脸识别模型基于普通人脸图片样本训练得到；
[0041]基于所述第四人脸特征和预设的常规人脸特征库，确定所述第四人脸图片的人脸识别结果。
[0042]在一种可能的实施方式中，所述基于所述第四人脸特征和预设的常规人脸特征库，确定所述第四人脸图片的人脸识别结果，包括：
[0043]获取常规人脸特征库；
[0044]将所述第四人脸特征与所述常规人脸特征库中的各人脸特征进行匹配，得到第二匹配结果；
[0045]基于所述第二匹配结果确定所述第四人脸图片的人脸识别结果。
[0046]在一种可能的实施方式中，所述常规人脸特征库的预设包括：
[0047]利用所述常规人脸识别模型对未佩戴口罩的待注册第五人脸图片进行特征提取，得到第五人脸特征；
[0048]将所述第五人脸特征添加至所述常规人脸特征库。
[0049]第二方面，本公开实施例还提供了一种人脸识别装置，包括：
[0050]第一获取模块，用于获取佩戴口罩的待识别第一人脸图片；
[0051]第一提取模块，用于利用混合人脸识别模型，对所述第一人脸图片进行特征提取，得到第一人脸特征；所述混合人脸识别模型基于普通人脸图片样本及口罩人脸图片样本训练得到；
[0052]第一识别模块，用于基于所述第一人脸特征和预设的混合人脸特征库，确定所述第一人脸图片的人脸识别结果。
[0053]第三方面，本公开实施例还提供了一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如第一方面及其各种实施方式任一所述的人脸识别方法。
[0054]第四方面，本公开实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如第一方面及其各种实施方式任一所述的人脸识别方法。
[0055]采用上述人脸识别方法、装置、电子设备及存储介质，在获取到佩戴口罩的待识别第一人脸图片的情况下，可以利用混合人脸识别模型对待识别人脸图片进行特征提取，以基于提取出的第一人脸特征和混合人脸特征库确定第一人脸图片的人脸识别结果。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：获取佩戴口罩的待识别第一人脸图片；利用混合人脸识别模型，对所述第一人脸图片进行特征提取，得到第一人脸特征；基于所述第一人脸特征和预设的混合人脸特征库，确定所述第一人脸图片的人脸识别结果。2.根据权利要求1所述的方法，其特征在于，所述混合人脸特征库的预设包括：利用所述混合人脸识别模型对未佩戴口罩的待注册第二人脸图片进行特征提取，得到第二人脸特征；将所述第二人脸特征添加至所述混合人脸特征库。3.根据权利要求2所述的方法，其特征在于，还包括：对所述第二人脸图片添加仿真口罩，得到第三人脸图片；利用所述混合人脸识别模型对所述第三人脸图片进行特征提取，得到第三人脸特征；将所述第三人脸特征添加至所述混合人脸特征库。4.根据权利要求3所述的方法，其特征在于，所述基于所述第一人脸特征和预设的混合人脸特征库，确定所述第一人脸图片的人脸识别结果，包括：将所述第一人脸特征与所述混合人脸特征库中的第二人脸特征和第三人脸特征进行匹配，得到人脸识别结果。5.根据权利要求1所述的方法，其特征在于，所述混合人脸识别模型基于普通人脸图片样本及口罩人脸图片样本训练得到。6.根据权利要求5所述的方法，其特征在于，所述混合人脸识别模型的训练包括：获取人脸图片训练集，所述人脸图片训练集包括普通人脸图片样本及口罩人脸图片样本；利用待训练的混合人脸识别模型对所述人脸图片训练集进行至少一轮的模型训练，训练得到所述混合人脸识别模型。7.根据权利要求6所述的方法，其特征在于，所述口罩人脸图片样本包括所述普通人脸图片样本对应的部分或全部仿真口罩人脸样本。8.根据权利要求7所述的方法，其特征在于，所述口罩人脸图片样本还包括采集真实人脸佩戴口罩的真实口罩人脸样本。9.根据权利要求6所述的方法，其特征在于，所述普通人脸图片样本的数量大于或等于所述口罩人脸图片样本的数量。10.根据权利要求6至9中任一项所述的方法，其特征在于，所述利用待训练的混合人脸识别模型对所述人脸图片训练集进行至少一轮的模型训练，训练得到所述混合人脸识别模型，包括：对所述人脸图片训练集包括的各人脸图片样本进行特征提取，得到训练人脸特征；对所述训练样本人脸特征进行人脸分类，得到分类结果；基于所述分类结果与针对人脸图片样本的标注结果调整模型参数值，直至达到模型收敛条件。11.根据权利要求6至9中任一项所述的方法，其特征在于，在所述训练得到所述混合人脸识别模型之后，所述方法还包括：
获取人脸图片验证集，所述人脸图片验...
【专利技术属性】
技术研发人员：刘杰，翟新刚，张楠赓，
申请(专利权)人：杭州嘉楠耘智信息科技有限公司，
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。