[发明专利]一种人脸识别方法和人脸识别装置在审
| 申请号： | 201710110054.7 | 申请日： | 2017-02-28 |
| 公开（公告）号： | CN108509828A | 公开（公告）日： | 2018-09-07 |
| 发明（设计）人： | 谷湘煜;李星明;段晶晶;余亚玲 | 申请（专利权）人： | 深圳市朗驰欣创科技股份有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00 |
| 代理公司： | 深圳中一联合知识产权代理有限公司 44414 | 代理人： | 张全文 |
| 地址： | 518000 广东省深圳市南山*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 人脸识别 样本图像 人脸识别装置 描述向量 人脸矩形 人脸特征 人脸图像 透视变换 网络模型 关键点 人脸 图像处理领域 参数提取 旋转校正 训练网络 复杂度 正确率 框选 校正 图像 正视 保证 | ||
1.一种人脸识别方法，其特征在于，包括：
从图像中确定人脸的关键点，并根据所述关键点确定框选人脸的人脸矩形框；
对所述人脸矩形框进行旋转校正，校正得到正视的人脸图像；
对所述人脸图像从至少两个角度进行透视变换，得到M个样本图像，所述M为大于或等于2的正整数；
采用训练网络对所述M个样本图像进行训练，训练得到网络模型参数，并基于所述网络模型参数提取人脸特征描述向量；
根据所述人脸特征描述向量进行人脸识别。
2.如权利要求1所述的人脸识别方法，其特征在于，
所述采用训练网络对所述M个样本图像进行训练之前，所述方法包括：分别从所述M个样本图像中划分N个面部区域，所述N为大于所述M的正整数；
所述采用训练网络对所述M个样本图像进行训练，训练得到网络模型参数，并基于所述网络模型参数提取人脸特征描述向量包括：采用所述训练网络对N个面部区域进行训练，训练得到网络模型参数，并基于所述网络模型参数提取人脸特征描述向量。
3.如权利要求2所述的人脸识别方法，其特征在于，所述分别从所述M个样本图像中划分N个面部区域包括：
分别从所述M个样本图像中选取不同尺度的N个面部区域。
4.如权利要求1至3任一项所述的人脸识别方法，其特征在于，所述训练网络为卷积网络。
5.如权利要求1所述的人脸识别方法，其特征在于，对所述人脸图像从至少两个角度进行透视变换，包括：
分别使用左侧、右侧、俯视和仰视四个角度的变换矩阵，对所述人脸图像进行透视变换。
6.一种人脸识别装置，其特征在于，包括：
确定单元，用于从图像中确定人脸的关键点，并根据所述关键点确定框选人脸的人脸矩形框；
校正单元，用于对所述人脸矩形框进行旋转校正，校正得到正视的人脸图像；
透视变换单元，用于对所述人脸图像从至少两个角度进行透视变换，得到M个样本图像，所述M为大于或等于2的正整数；
训练单元，用于采用训练网络对所述M个样本图像进行训练，训练得到网络模型参数，并基于所述网络模型参数提取人脸特征描述向量；
人脸识别单元，用于根据所述人脸特征描述向量进行人脸识别。
7.如权利要求6所述的人脸识别装置，其特征在于，
所述训练单元，用于分别从所述M个样本图像中划分N个面部区域，所述N为大于所述M的正整数，采用所述训练网络对N个面部区域进行训练，训练得到网络模型参数，并基于所述网络模型参数提取人脸特征描述向量。
8.如权利要求7所述的人脸识别装置，其特征在于，
所述训练单元，用于分别从所述M个样本图像中选取不同尺度的N个面部区域。
9.如权利要求6至8任一项所述的人脸识别装置，其特征在于，所述述训练网络为卷积网络。
10.如权利要求6所述的人脸识别装置，其特征在于，
所述透视变换单元，用于分别使用左侧、右侧、俯视和仰视四个角度的变换矩阵，对所述人脸图像进行透视变换。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深圳市朗驰欣创科技股份有限公司，未经深圳市朗驰欣创科技股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201710110054.7/1.html，转载请声明来源钻瓜专利网。
