一种人脸识别方法及系统技术方案

本发明专利技术提供一种人脸识别方法及系统，该人脸识别方法包括：获取待识别的人脸光谱图像；将所述待识别的人脸光谱图像输入到训练好的人脸光谱图像特征提取模型中，获取所述人脸光谱图像的目标特征向量，其中，所述训练好的人脸光谱图像特征提取模型是由标记有人脸信息标签和真伪类别光谱信息标签的样本人脸光谱图像，对机器学习模型进行训练得到的；根据相似度评价标准，对所述目标特征向量进行识别，获取人脸识别和活体识别结果。本发明专利技术弥补了传统人脸检测的安全漏洞，提高了人脸识别结果的准确性和人脸识别系统的安全性。准确性和人脸识别系统的安全性。准确性和人脸识别系统的安全性。

【技术实现步骤摘要】
一种人脸识别方法及系统


[0001]本专利技术涉及光谱成像
，尤其涉及一种人脸识别方法及系统。

技术介绍

[0002]人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术，通过采集含有人脸的图像或视频进行分析，自动推断其身份、表情、年龄和性别等属性。作为生物特征识别技术的一种，人脸识别具有非强制性、非接触性、操作简单及隐蔽性好等特点，因此在安防、管理监督和多媒体娱乐等领域应用广泛。
[0003]目前大多数人脸识别技术都是基于灰度图像或者彩色RGB图像，可以获得的图像信息有限，光照条件及拍摄视角等的变化对识别结果有着直接的影响，人脸表情、发型、化妆和眼镜等因素的改变都会可能导致识别准确度的下降，更有不法分子通过伪装、遮挡、面具以及打印照片的方式对识别结果造成严重干扰。基于传统成像系统的人脸识别技术，由于仅仅利用了观测对象的空间几何特征，对于各种条件变化引起的不确定性非常敏感，系统鲁棒性较差，在复杂环境下识别性能急剧下降，即使引入3D人脸信息，也无法解决硅胶面具的伪装问题，无法实现活体人脸的识别。
[0004]因此，现在亟需一种人脸识别方法及系统来解决上述问题。

技术实现思路

[0005]针对现有技术存在的问题，本专利技术提供一种人脸识别方法及系统。
[0006]本专利技术提供一种人脸识别方法，包括：
[0007]获取待识别的人脸光谱图像；
[0008]将所述待识别的人脸光谱图像输入到训练好的人脸光谱图像特征提取模型中，获取所述人脸光谱图像的目标特征向量，其中，所述训练好的人脸光谱图像特征提取模型是由标记有人脸所属身份信息标签和真伪类别光谱信息标签的样本人脸光谱图像，对机器学习模型进行训练得到的；
[0009]根据相似度评价标准，对所述目标特征向量进行识别，获取人脸识别和活体识别结果。
[0010]本专利技术提供一种人脸识别方法，所述获取待识别的人脸光谱图像，包括：
[0011]通过人脸识别光谱成像芯片，获取待识别的人脸光谱图像；
[0012]所述人脸识别光谱成像芯片包括光调制层、图像传感器层和信号处理电路层，所述光调制层、所述图像传感器层和所述信号处理电路层沿垂直方向从上至下依次连接，其中：
[0013]所述光调制层，用于接收待识别人脸反射的光信号，并进行光调制；
[0014]所述图像传感器层，用于将光调制后的待识别人脸反射的光信号转换为电信号，所述电信号包括人脸图像空间信息和皮肤光谱信息；
[0015]所述信号处理电路层，用于对所述图像传感器层输出的人脸图像空间信息和皮肤
光谱信息进行处理，获取人脸识别结果。
[0016]根据本专利技术提供的一种人脸识别方法，所述人脸光谱成像芯片还包括透镜组，其中，所述透镜组，位于所述光调制层的上表面，与所述光调制层连接，用于对人脸反射的光信号进行聚焦成像，得到待识别人脸反射的光信号。
[0017]根据本专利技术提供的一种人脸识别方法，所述光调制层包括至少一个光调制单元，所述光调制单元包括多个微纳结构阵列，每个微纳结构阵列中按照不同预设排列规则，设置有均匀分布排列的通孔，且每个微纳结构阵列的通孔形状不同。
[0018]根据本专利技术提供的一种人脸识别方法，所述图像传感器层的上表面分布有多个感光像素单元，每个微纳结构阵列对应至少一个感光像素单元。
[0019]根据本专利技术提供的一种人脸识别方法，所述训练好的人脸光谱图像特征提取模型通过以下步骤训练得到：
[0020]根据标记有人脸所属身份信息标签和真伪类别光谱信息标签的样本人脸光谱图像，构建样本训练集，所述真伪类别光谱信息标签为活体人脸、仿真人脸和非人脸类别的光谱信息标签；
[0021]将所述样本训练集输入到所述机器学习模型中进行训练，得到训练好的人脸图像特征提取模型，所述机器学习模型为卷积神经网络。
[0022]根据本专利技术提供的一种人脸识别方法，所述将所述样本训练集输入到所述机器学习模型中进行训练，得到训练好的人脸光谱图像特征提取模型，包括：
[0023]基于深度学习算法，通过所述样本训练集对所述卷积神经网络中的卷积核进行训练，若满足预设训练条件，得到训练好的人脸光谱图像特征提取模型，其中，所述卷积核用于检测人脸角点轮廓和皮肤光谱特性。
[0024]本专利技术还提供了一种人脸识别系统，包括：
[0025]获取光谱图像模块，获取待识别的人脸光谱图像；
[0026]提取特征向量模块，用于将所述待识别的人脸光谱图像输入到训练好的人脸光谱图像特征提取模型中，获取所述人脸光谱图像的目标特征向量，其中，所述训练好的人脸光谱图像特征提取模型是由标记有人脸信息标签和真伪类别光谱信息标签的样本人脸光谱图像，对机器学习模型进行训练得到的；
[0027]识别模块，用于根据相似度评价标准，对所述目标特征向量进行识别，获取人脸识别结果。
[0028]根据本专利技术提供的一种人脸识别系统，所述系统还包括：
[0029]构建样本训练集模块，用于根据标记有人脸信息标签和真伪类别光谱信息标签的样本人脸光谱图像，构建样本训练集，所述人脸信息标签为人脸所属身份信息标签，所述真伪类别光谱信息标签为活体人脸、仿真人脸和非人脸类别的光谱信息标签；
[0030]训练特征提取模型模块，用于将所述样本训练集输入到所述机器学习模型中进行训练，得到训练好的人脸图像特征提取模型，所述机器学习模型为卷积神经网络。
[0031]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述人脸识别方法的步骤。
[0032]本专利技术提供的一种人脸识别方法及系统，通过获取人脸光谱图像，将人脸光谱图像输入到人脸光谱图像特征提取模型中，得到人脸空间特性和光谱反射特性的目标特征向
量；利用相似度评价标准，将目标特征向量与数据库中的特征向量进行对比识别，与传统人脸识别方法相比，利用皮肤光谱特性，同时实现人脸识别和活体识别，弥补了传统人脸检测的安全漏洞，提高了人脸识别结果的准确性，提升了人脸识别系统的安全性。
附图说明
[0033]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0034]图1为本专利技术提供的人脸识别方法的流程示意图；
[0035]图2为本专利技术提供的人脸识别光谱成像芯片的结构示意图；
[0036]图3为本专利技术提供的人脸识别光谱成像芯片中光调制层的微纳结构阵列的结构示意图；
[0037]图4为本专利技术提供的人脸识别系统的结构示意图；
[0038]图5为本专利技术提供的一种电子设备的结构示意图。
具体实施方式
[0039]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的本文档来自技高网...

【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：获取待识别的人脸光谱图像；将所述待识别的人脸光谱图像输入到训练好的人脸光谱图像特征提取模型中，获取所述人脸光谱图像的目标特征向量，其中，所述训练好的人脸光谱图像特征提取模型是由标记有人脸所属身份信息标签和真伪类别光谱信息标签的样本人脸光谱图像，对机器学习模型进行训练得到的；根据相似度评价标准，对所述目标特征向量进行识别，获取人脸识别和活体识别结果。2.根据权利要求1所述的人脸识别方法，其特征在于，所述获取待识别的人脸光谱图像，包括：通过人脸识别光谱成像芯片，获取待识别的人脸光谱图像；所述人脸识别光谱成像芯片包括光调制层、图像传感器层和信号处理电路层，所述光调制层、所述图像传感器层和所述信号处理电路层沿垂直方向从上至下依次连接，其中：所述光调制层，用于接收待识别人脸反射的光信号，并进行光调制；所述图像传感器层，用于将光调制后的待识别人脸反射的光信号转换为电信号，所述电信号包括人脸图像空间信息和光调制后的皮肤光谱信息；所述信号处理电路层，用于对所述图像传感器层输出的人脸图像空间信息和光调制后的皮肤光谱信息进行处理，获取人脸识别结果。3.根据权利要求2所述的人脸识别方法，其特征在于，所述人脸光谱成像芯片还包括透镜组，其中，所述透镜组，位于所述光调制层的上表面，与所述光调制层连接，用于对人脸反射的光信号进行聚焦成像，得到待识别人脸反射的光信号。4.根据权利要求2所述的人脸识别方法，其特征在于，所述光调制层包括至少一个光调制单元，所述光调制单元包括多个微纳结构阵列，每个微纳结构阵列中按照不同预设排列规则，设置有均匀分布的通孔，且每个微纳结构阵列的通孔形状不同。5.根据权利要求2所述的人脸识别方法，其特征在于，所述图像传感器层的上表面分布有多个感光像素单元，每个微纳结构阵列对应至少一个感光像素单元。6.根据权利要求1所述的人脸识别方法，其特征在于，所述训练好的人脸光谱图像特征提取模型通...

【专利技术属性】
技术研发人员：黄翊东，崔开宇，张巍，冯雪，刘仿，
申请(专利权)人：北京与光科技有限公司，
类型：发明
国别省市：