[发明专利]人像识别方法及装置、计算机可读存储介质

权利要求书

1.一种人像识别方法，其特征在于，包括：

采用第一人像识别算法对待识别图像进行第一次识别，并与目标人物图像进行比对，得到满足相似度阈值的匹配目标图像；

将上次识别得到的前N位匹配目标图像作为下次识别的待识别图像，直至采用第m人像识别算法完成对待识别图像进行第m次识别，并与所述目标人物图像进行比对，将满足所述相似度阈值的匹配目标图像作为最终的匹配目标图像，N为正整数，m为大于1的正整数。

2.根据权利要求1所述的人像识别方法，其特征在于，在采用第一人像识别算法对待识别图像进行第一次识别之前，还包括：根据备选人像识别算法的相似度阈值对应的正确识别率及误识率，确定所述第一人像识别算法至第m人像识别算法对应的算法类型。

3.根据权利要求2所述的人像识别方法，其特征在于，所述根据备选人像识别算法的相似度阈值对应的正确识别率及误识率，确定所述第一人像识别算法至第m人像识别算法对应的算法类型，包括：

采用各备选人像识别算法分别对样本图像库进行识别，统计得出在各相似度阈值下，分别对应的正确识别率及误识率；

在满足设定的正确识别率，且在同一误识率下，根据各人像识别算法的相似度区间的交集占比，从满足预设占比的备选人像识别算法中确定所述第一人像识别算法至第m人像识别算法对应的算法类型。

4.根据权利要求3所述的人像识别方法，其特征在于，采用如下方式确定所述相似度阈值：将满足预设占比的备选人像识别算法对应的相似度阈值的平均值作为所述相似度阈值。

5.根据权利要求1所述的人像识别方法，其特征在于，m取值为2。

6.根据权利要求1所述的人像识别方法，其特征在于，所述第一人像识别算法至所述第m人像识别算法包括以下任意一种算法：

基于KL变换算法、基于积分图像特征法、基于奇异特征法、概率模型法及深度神经网络模型法。

7.一种人像识别装置，其特征在于，包括：

第一识别单元，适于采用第一人像识别算法对待识别图像进行第一次识别，并与目标人物图像进行比对，得到满足相似度阈值的匹配目标图像；

第二识别单元，适于将上次识别得到的前N位匹配目标图像作为下次识别的待识别图像，直至采用第m人像识别算法完成对待识别图像进行第m次识别，并与所述目标人物图像进行比对，将满足所述相似度阈值的匹配目标图像作为最终的匹配目标图像，m为大于1的正整数。

8.根据权利要求7所述的人像识别装置，其特征在于，还包括：人像识别算法确认单元，适于在所述第一识别单元采用第一人像识别算法对待识别图像进行第一次识别之前，根据备选人像识别算法的相似度阈值对应的正确识别率及误识率，确定所述第一人像识别算法至第m人像识别算法对应的算法类型。

9.根据权利要求8所述的人像识别装置，其特征在于，所述人像识别算法确认单元，适于采用各备选人像识别算法分别对样本图像库进行识别，统计得出在各相似度阈值下，分别对应的正确识别率及误识率；在满足设定的正确识别率，且在同一误识率下，根据各人像识别算法的相似度区间的交集占比，从满足预设占比的备选人像识别算法中确定所述第一人像识别算法至第m人像识别算法对应的算法类型。

10.根据权利要求9所述的人像识别装置，其特征在于，所述人像识别算法确认单元，适于采用如下方式确定所述相似度阈值：将满足预设占比的备选人像识别算法对应的相似度阈值的平均值作为所述相似度阈值。

11.根据权利要求7所述的人像识别装置，其特征在于，m取值为2。

12.根据权利要求7所述的人像识别装置，其特征在于，所述第一人像识别算法至所述第m人像识别算法包括以下任意一种算法：

基于KL变换算法、基于积分图像特征法、基于奇异特征法、概率模型法及深度神经网络模型法。