【技术实现步骤摘要】
一种人脸识别方法、装置、设备及计算机可读存储介质
[0001]本专利技术涉及人脸识别领域，特别是涉及一种人脸识别方法、装置、设备及计算机可读存储介质。
技术介绍
[0002]人脸识别技术是目标分类技术的一个分支，基于目标分类、目标定位、语义分割、实例分割等多种技术实现，主要是将人脸图片通过深度神经网络提取人脸特征，从人脸数据库中检索相似人脸的图像处理技术，可以应用于人脸解锁手机屏幕、人脸支付、欺诈识别等多种场景。
[0003]在实际应用场景中，人脸识别技术受到环境、人脸本身状态等影响，仍然存在很多局限性。采集摄像头对光线环境敏感，光线不足或者光照角度不合理，会影响人脸图像采集效果，进而影响人脸识别的准确性。
[0004]提高人脸识别的准确性，是本领域技术人员需要解决的技术问题。
技术实现思路
[0005]本专利技术的目的是提供一种人脸识别方法、装置、设备及计算机可读存储介质，用于提高人脸识别的准确性。
[0006]为解决上述技术问题，本专利技术提供一种人脸识别方法，包括：训练得到人脸检测模型和人脸特征提取模型；利用所述人脸检测模型提取人脸图像数据集中的各人脸图像的人脸检测特征，基于所述人脸图像的人脸检测特征在所述人脸图像中提取标准人脸图像，利用所述人脸特征提取模型在所述人脸图像对应的标准人脸图像中提取人脸特征向量，将所述人脸图像的人脸检测特征、所述人脸图像对应的人脸特征向量以及所述人脸图像对应的身份信息进行关联存储，得到人脸数据库；利用所述人脸检测模型检测得到待识别图像的人脸检...
【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：训练得到人脸检测模型和人脸特征提取模型；利用所述人脸检测模型提取人脸图像数据集中的各人脸图像的人脸检测特征，基于所述人脸图像的人脸检测特征在所述人脸图像中提取标准人脸图像，利用所述人脸特征提取模型在所述人脸图像对应的标准人脸图像中提取人脸特征向量，将所述人脸图像的人脸检测特征、所述人脸图像对应的人脸特征向量以及所述人脸图像对应的身份信息进行关联存储，得到人脸数据库；利用所述人脸检测模型检测得到待识别图像的人脸检测特征，基于所述待识别图像的人脸检测特征在所述待识别图像中提取标准人脸图像，利用所述人脸特征提取模型在所述待识别图像对应的标准人脸图像中提取人脸特征向量；根据所述待识别图像对应的人脸特征向量和所述人脸数据库中的人脸特征向量进行相似度计算，得到所述待识别图像的人脸识别结果；若所述人脸识别结果为检出所述待识别图像对应的身份信息，则根据所述待识别图像的人脸数据执行所述人脸数据库中对应的人脸数据的质量检验及更新操作。2.根据权利要求1所述的人脸识别方法，其特征在于，所述根据所述待识别图像的人脸数据执行所述人脸数据库中对应的人脸数据的质量检验及更新操作，包括：根据所述待识别图像对应的人脸检测特征确定所述待识别图像的人脸图像质量参数；若所述待识别图像的人脸图像质量参数优于所述人脸数据库中对应的人脸数据，则利用待识别图像的人脸数据替换所述人脸数据库中对应的人脸数据；若所述待识别图像的人脸图像质量参数未优于所述人脸数据库中对应的人脸数据，则保持所述人脸数据库中对应的人脸数据不变。3.根据权利要求2所述的人脸识别方法，其特征在于，所述根据所述待识别图像对应的人脸检测特征确定所述待识别图像的人脸图像质量参数，包括：根据待识别图像对应的人脸检测特征中的人脸坐标检测结果确定所述待识别图像对应的人脸框面积；以所述待识别图像对应的人脸检测特征中的人脸检测置信度分数和所述待识别图像对应的人脸框面积作为所述待识别图像的人脸图像质量参数。4.根据权利要求3所述的人脸识别方法，其特征在于，所述待识别图像的人脸图像质量参数优于所述人脸数据库中对应的人脸数据，包括：所述待识别图像对应的人脸置信度分数大于所述人脸数据库中对应的人脸数据的人脸置信度分数的k倍，或，所述待识别图像对应的人脸置信度分数大于人脸数据中对应的人脸数据的人脸置信度分数的t倍且小于等于所述人脸数据库中对应的人脸数据的人脸置信度分数的k倍且所述待识别图像对应的人脸框面积大于所述人脸数据库中对应的人脸数据的人脸框面积的h倍；其中，k、t、h均为正数，且k大于t。5.根据权利要求1所述的人脸识别方法，其特征在于，所述根据所述待识别图像的人脸数据执行所述人脸数据库中对应的人脸数据的质量检验及更新操作，包括：根据所述待识别图像对应的人脸检测特征确定所述待识别图像的人脸图像质量参数；以人脸图像质量参数和所述人脸数据库中对应的人脸数据的存储时长为更新依据，执
行所述人脸数据库中对应的人脸数据的质量检验及更新操作。6.根据权利要求5所述的人脸识别方法，其特征在于，所述根据所述待识别图像对应的人脸检测特征确定所述待识别图像的人脸图像质量参数，包括：根据所述待识别图像对应的人脸检测特征中的人脸坐标检测结果确定所述待识别图像对应的人脸框面积；以所述待识别图像对应的人脸检测特征中的人脸检测置信度分数和所述待识别图像对应的人脸框面积作为所述待识别图像的人脸图像质量参数。7.根据权利要求6所述的人脸识别方法，其特征在于，所述以人脸图像质量参数和所述人脸数据库中对应的人脸数据的存储时长为更新依据，执行所述人脸数据库中对应的人脸数据的质量检验及更新操作，包括：若所述待识别图像对应的人脸置信度分数大于所述人脸数据库中对应的人脸数据的人脸置信度分数的k倍，或所述待识别图像对应的人脸置信度分数大于人脸数据中对应的人脸数据的人脸置信度分数的t倍且小于等于所述人脸数据库中对应的人脸数据的人脸置信度分数的k倍且所述待识别图像对应的人脸框面积大于所述人脸数据库中对应的人脸数据的人脸框面积的h倍，或所述待识别图像对应的人脸置信度分数大于人脸数据中对应的人脸数据的人脸置信度分数的m倍且所述人脸数据库中对应的人脸数据的存储时长大于n天，则将人脸数据库中对应的人脸数据更新为所述待识别图像的人脸数据；其中，k、t、h、m、n均为正数，且k大于t，t大于m。8.根据权利要求1所述的人脸识别方法，其特征在于，利用所述人脸检测模型提取人脸检测特征，包括：对输入图像进行加强特征提取，得到所述输入图像的图像特征参数；将所述输入图像的图像特征参数输入人脸检测预测函数，得到所述输入图像的人脸检测特征；其中，所述输入图像为所述人脸图像或所述待识别图像。9.根据权利要求8所述的人脸识别方法，其特征在于，所述对输入图像进行加强特征提取，得到所述输入图像的图像特征参数，包括：对输入图像通过N次深度可分离卷积进行N阶段梯度提取，输出不同压缩比例的N个特征图；将各所述特征图调整为相同通道数后，按压缩比例从大到小的顺序对通道数调整后的各所述特征图依次进行特征融合，得到对应的N个特征融合结果；分别对各所述特征融合结果进行加强特征提取，得到各所述特征融合结果对应的特征层；输出与所述输入图像对应的特征层为所述输入图像的图像特征参数；其中，N为非1正整数。10.根据权利要求9所述的人脸识别方法，其特征在于，所述分别对各所述特征融合结果进行加强特征提取，得到各所述特征融合结果对应的特征层，包括：利用M个不同尺寸的卷积核分别对各所述特征融合结果进行特征提取，输出各所述特征融合结果对应的特征集；对各所述特征融合结果，将对应的所述特征集进行拼接堆叠，得到所述特征融合结果
对应的所述特征层；其中，M为非1正整数。11.根据权利要求8所述的人脸识别方法，其特征在于，所述将所述输入图像的图像特征参数输入人脸检测预测函数，得到所述输入图像的人脸检测特征，包括：将所述输入图像的图像特征参数输入人脸检测预测函数，输出所述输入图像的人脸检测结果预测值；对所述输入图像的人脸检测结果预测值进行预测结果修正和非极大值抑制过滤，得到所述输入图像的人脸检测特征。12.根据权利要求8所述的人脸识别方法，其特征在于，所述人脸检测特征的种类为多个；训练得到所述人脸检测模型，包括：将各所述人脸检测特征对应的人脸检测预测函数叠加得到总体损失函数；以所述总体损失函数对待训练人脸检测模型进行梯度下降训练，得到用于检测各类型人脸检测特征的所述人脸检测模型。13.根据权利要求8所述的人脸识别方法，其特征在于，所述将所述输入图像的图像特征参数输入人脸检测预测函数，得到所述输入图像的人脸检测特征，包括：将所述输入图像的图像特征参数输入人脸坐标预测函数，得到人脸坐标检测结果；基于人脸检测特征提取标准人脸图像，包括：基于所述输入图像的人脸坐标检测结果，在所述输入图像中提取标准人脸图像。14.根据权利要求13所述的人脸识别方法，其特征在于，所述将所述输入图像的图像特征参数输入人脸检测预测函数，得到所述输入图像的人脸检测特征，还包括：将所述输入图像的图像特征参数输入人脸属性预测函数，得到所述输入图像的人脸属性特征；人脸识别方法还包括：利用所述人脸检测模型提取所述人脸图像的人脸属性特征，并将所述人脸图像的人脸属性特征列入所述人脸图像的人脸数据在所述人脸数据库中进行关联存储；所述根据所述待识别图像对应的人脸特征向量和所述人脸数据库中的人脸特征向量进行相似度计算，得到所述待识别图像的人脸识别结果，包括：利用所述人脸检测模型提取所述待识别图像的人脸属性特征；根据所述待识别图像的人脸属性特征在所述人脸数...
【专利技术属性】
技术研发人员：葛沅，赵雅倩，史宏志，温东超，张英杰，
申请(专利权)人：苏州浪潮智能科技有限公司，
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。