【技术实现步骤摘要】
本申请实施例涉及图像处理，特别是涉及一种人脸识别方法、系统及装置。
技术介绍
1、随着图像处理技术的快速发展，在门禁、楼宇等场景中可以基于人脸图像，对用户的身份进行认证。
2、相关技术中，电子设备可以获取用户(可以称为注册用户)注册时的人脸图像(可以称为注册人脸图像)，后续，则可以计算认证用户的人脸图像与注册人脸图像的匹配度，以基于该匹配度对认证用户进行身份认证。
3、可见，相关技术中，若恶意攻击者通过恶意方式获取到注册用户的人脸图像，则可以基于获取的人脸图像进行身份认证，导致人脸识别的可靠性不高。
技术实现思路
1、本申请实施例的目的在于提供一种人脸识别方法、系统及装置，以提高人脸识别的可靠性。具体技术方案如下：
2、根据本申请实施例的第一方面，提供一种人脸识别方法，所述方法包括：
3、获取待识别人脸图像；其中，在显示待识别人脸图像时，待识别人脸图像中的目标用户的注视点位于待识别人脸图像中的人脸区域；
4、按照预设区域确定方式，从待识别人脸图像中确定目标用户的注视点所属的图像区域，作为待识别注视区域；
5、基于待识别人脸图像和待识别注视区域进行特征提取，得到待识别人脸特征；
6、将待识别人脸特征与预设人脸特征进行比对，得到待识别人脸图像的识别结果；
7、其中，预设人脸特征为：对注册用户的注册人脸图像，以及注册人脸图像中注册用户的注视点所属的注册注视区域进行特征提取得到的；注册注视区域为
8、可选的，所述按照预设区域确定方式，从待识别人脸图像中确定目标用户的注视点所属的图像区域，作为待识别注视区域，包括：
9、从待识别人脸图像中，确定以目标用户的注视点为中心点的指定图像区域，作为待识别注视区域；
10、或者，
11、基于图像分割，确定待识别人脸图像中包含目标用户的注视点的人脸分割图像区域，作为待识别注视区域。
12、可选的，所述基于待识别人脸图像和待识别注视区域进行特征提取，得到待识别人脸特征，包括：
13、基于待识别注视区域，确定待识别人脸图像中各像素点的权重；
14、基于确定出的权重和待识别人脸图像进行特征提取，得到待识别人脸特征。
15、可选的，所述基于待识别注视区域，确定待识别人脸图像中各像素点的权重，包括：
16、获取待识别注视区域对应的待识别热力图；其中，待识别热力图中各点与待识别人脸图像中各像素点一一对应；待识别热力图中每一个点表示：该点在待识别人脸图像中对应的像素点为目标用户的注视点的概率；
17、针对待识别人脸图像中每一像素点，将该像素点在待识别热力图中对应的点表示的概率，作为该像素点的权重；
18、所述基于确定出的权重和待识别人脸图像进行特征提取，得到待识别人脸特征，包括：
19、将待识别人脸图像和待识别热力图输入至预先训练的卷积神经网络，得到待识别人脸特征；
20、其中，卷积神经网络所属的分类网络模型为基于第一样本人脸图像、第一样本人脸图像对应的第一样本热力图和第一样本标签进行训练得到的。
21、可选的，所述卷积神经网络的训练过程包括以下步骤：
22、获取第一样本人脸图像、第一样本热力图，以及第一样本标签；
23、将第一样本人脸图像和第一样本热力图输入至初始结构的第一分类网络模型中的卷积神经网络，得到第一样本人脸特征；
24、将第一样本人脸特征输入至初始结构的第一分类网络模型中的分类层，得到第一预测标签；
25、基于第一预测标签和第一样本标签，计算第一损失值；
26、基于第一损失值对初始结构的第一分类网络模型的模型参数进行调整，继续训练，直至初始结构的第一分类网络模型达到收敛。
27、可选的，所述基于待识别注视区域，确定待识别人脸图像中各像素点的权重，包括：
28、对待识别人脸图像进行划分，得到多个待识别子区域；
29、针对每一待识别子区域，计算待识别注视区域中属于该待识别子区域的部分与该待识别子区域的大小的比值，作为该待识别子区域各像素点的权重；
30、所述基于确定出的权重和待识别人脸图像进行特征提取，得到待识别人脸特征，包括：
31、将每一待识别子区域与对应的权重进行拼接，并将各拼接结果输入至预先训练的自注意力网络，得到待识别人脸特征；
32、其中，自注意力网络所属的分类网络模型为基于第二样本人脸图像、第二样本人脸图像对应的第二样本注视区域和第二样本标签进行训练得到的。
33、可选的，所述自注意力网络的训练过程包括以下步骤：
34、获取第二样本人脸图像、第二样本注视区域，以及第二样本标签；
35、对第二样本人脸图像进行划分，得到多个样本子区域；
36、针对每一样本子区域，计算第二样本注视区域中属于该样本子区域的部分与该样本子区域的大小的比值，作为该样本子区域各像素点的权重；
37、将每一样本子区域与对应的权重进行拼接，并将各拼接结果输入至初始结构的第二分类网络模型中的自注意力网络，得到第二样本人脸特征；
38、将第二样本人脸特征输入至初始结构的第二分类网络模型中的分类层，得到第二预测标签；
39、基于第二预测标签和第二样本标签，计算第二损失值；
40、基于第二损失值对初始结构的第二分类网络模型的模型参数进行调整，继续训练，直至初始结构的第二分类网络模型达到收敛。
41、根据本申请实施例的第二方面，提供一种人脸识别装置，所述装置包括：
42、第一获取模块，用于获取待识别人脸图像；其中，在显示待识别人脸图像时，待识别人脸图像中的目标用户的注视点位于待识别人脸图像中的人脸区域；
43、第一确定模块，用于按照预设区域确定方式，从待识别人脸图像中确定目标用户的注视点所属的图像区域，作为待识别注视区域；
44、特征提取模块，用于基于待识别人脸图像和待识别注视区域进行特征提取，得到待识别人脸特征；
45、比对模块，用于将待识别人脸特征与预设人脸特征进行比对，得到待识别人脸图像的识别结果；
46、可选的，所述第一确定模块，包括：
47、第一待识别注视区域确定子模块，用于从待识别人脸图像中，确定以目标用户的注视点为中心点的指定图像区域，作为待识别注视区域；
48、或者，
49、第二待识别注视区域确定子模块，用于确定待识别人脸图像中包含目标用户的注视点的人脸分割图像区域，作为待识别注视区域。
50、可选的，所述特征提取模块，包括：
51、权重确定子模块，用于基于待识别注视区域，确定待本文档来自技高网...
【技术保护点】
1.一种人脸识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述按照预设区域确定方式，从所述待识别人脸图像中确定所述目标用户的注视点所属的图像区域，作为待识别注视区域，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述待识别人脸图像和所述待识别注视区域进行特征提取，得到待识别人脸特征，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述待识别注视区域，确定所述待识别人脸图像中各像素点的权重，包括：
5.根据权利要求4所述的方法，其特征在于，所述卷积神经网络的训练过程包括以下步骤：
6.根据权利要求3所述的方法，其特征在于，所述基于所述待识别注视区域，确定所述待识别人脸图像中各像素点的权重，包括：
7.根据权利要求6所述的方法，其特征在于，所述自注意力网络的训练过程包括以下步骤：
8.一种人脸识别系统，其特征在于，所述系统包括图像采集组件和处理组件；
9.根据权利要求8所述的系统，其特征在于，所述系统还包括显示组件，用于显示所述待识别
10.一种人脸识别装置，其特征在于，所述装置包括：
...【技术特征摘要】
1.一种人脸识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述按照预设区域确定方式，从所述待识别人脸图像中确定所述目标用户的注视点所属的图像区域，作为待识别注视区域，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述待识别人脸图像和所述待识别注视区域进行特征提取，得到待识别人脸特征，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述待识别注视区域，确定所述待识别人脸图像中各像素点的权重，包括：
5.根据权利要求4所述的方法，其特征在于，所述卷积神经网络的训练过程包括以下步骤：
6.根...
【专利技术属性】
技术研发人员：颜聪泉，杨彭举，谢迪，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
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。