一种人脸识别方法技术

一种人脸识别方法

【技术实现步骤摘要】
一种人脸识别方法、系统及存储介质


[0001]本专利技术涉及人脸识别
，特别是一种人脸识别方法
、
系统及存储介质
。

技术介绍

[0002]人脸识别是指能够识别或验证图像或视频中的主体的身份的技术
。
当其被部署在无约束条件的环境中时，由于人脸图像在现实世界中的呈现具有高度的可变性，所以人脸识别也是最有挑战性的生物识别方法之一
。
[0003]通常，视频流中的人脸识别属于无约束的人脸识别问题，在连续的视频帧中，人脸图像可变的地方包括头部姿势
、
年龄
、
遮挡
、
光照条件和人脸表情等
。
传统的人脸识别方法依赖于人工设计的特征
(
例如边和纹理描述量
)
与机器学习技术
(
例如主成分分析
、
线性判别分析或支持向量机
)
的组合
。
近段时间，传统的人脸识别方法已经被基于卷积神经网络
(CNN)
的深度学本文档来自技高网...

【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，包括以下步骤：
S1、
获取视频信息，并将其划分为若干个跟踪片段，每个跟踪片段包括若干张连续的人脸图像；
S2、
对每个跟踪片段中的每一帧进行特征提取，得到人脸特征向量，获取所有人脸特征向量的对应模长并进行比较，选取模长最大值对应的视频帧作为所属跟踪片段的人脸表征；
S3、
获取同时存在的跟踪片段集合，并计算每个跟踪片段集合中各跟踪片段的人脸表征之间的第一相似度；
S4、
根据预设人脸表征库与第一相似度，进行人脸匹配并输出人脸识别结果
。2.
根据权利要求1所述的人脸识别方法，其特征在于：步骤
S1
中获取视频信息，并将其划分为若干个跟踪片段，具体为：根据视频信息中相邻帧的人脸位置差距划分跟踪片段：或者，将视频信息中的相邻帧输入至场景切换检测网络中，输出场景切换概率，根据所述概率划分跟踪片段
。3.
根据权利要求2所述的人脸识别方法，其特征在于：人脸位置差距根据以下公式进行判断：其中，
IOU
表示人脸包围框的大小，
A
为一人脸的包围框面积，
B
为另一人脸的包围框面积，若人脸包围框的大小小于预设阈值，则存在新的跟踪片段
。4.
根据权利要求1所述的人脸识别方法，其特征在于：步骤
S2
中，通过特征提取网络进行特征提取，特征提取网络的损失函数如下：其中，
f(
β
)
表示动态夹角函数，且
g(
β
)
表示模长惩罚函数，且
a、b、c、e
均为常量超参数，
β
表示模长，
j
表示训练阶段的总分类人数，
k
表示总分类人数中的第
k
个人，
θ
k
为向量
w
k
与人脸特征向量
x
的夹角，向量
w
k
表示
softmax
层中对应第
k
个人的权重，
θ
j
为向量
w
j
与人脸特征向量
x
的夹角，向量
w
j
表示
softm...

【专利技术属性】
技术研发人员：吴雨泽，易佳锦，苏灿平，余清洲，
申请(专利权)人：厦门美图之家科技有限公司，
类型：发明
国别省市：