[发明专利]一种面部识别方法及装置

说明书

本发明实施例提出一种面部识别方法及装置，涉及面部识别领域。该方法及装置基于多个预建立的卷积神经网络分别获取第一面部图片、第二面部图片多个预设定位置处的第一特征向量以及第二特征向量从而形成多个特征向量组，并依据特征向量组计算第一面部图片与第二面部图片的面部相似度，从而完成面部识别；由于在计算面部相似度的过程中采用了多个特征向量组，从而避免了仅采用单个特征向量代表面部信息造成的最终识别结果不准确的问题，降低面部某些大特征错误带来的干扰，提高了面部识别系统的鲁棒性；同时由于无需对第一面部图片、第二面部图片做额外的处理，增加额外的训练数据，因而通过本方法训练得出的面部识别模型的成本较低。

技术领域

本发明涉及面部识别领域，具体而言，涉及一种面部识别方法及装置。

背景技术

面部识别是基于深度学习的计算机视觉领域的一个重要研究方向，也有着极为丰富的应用场景。近些年来，不断有更多的深度学习模型被提出并运用于面部识别这一课题中。

在传统的方法中，人们往往会将整张面部作为模型的传入量，并期望这个模型返回出一个能代表整张面部信息的特征向量，进而计算不同特征向量的相似度，进行接下来的判断。然而，实际应用场景中，我们经常发现基于上述方法训练得出的模型的鲁棒性不够；在面部特征出现变化时，例如发型与胡子的变化，或者面部被小范围遮挡，例如配戴眼镜等情况时，经常会出现识别错误。

对于这种情况，一个传统的解决办法是，在训练数据中添加更多样的数据。例如，对于同一个人，添加其不同发型及不同遮挡情况的数据。然而，这种做法会大幅提高数据准备方面的成本，且当数据过于杂乱时，即同一个人不同情况的图片种类过多时，模型训练时往往难以很好地收敛。

发明内容

有鉴于此，本发明的目的在于提供一种面部识别方法及装置，以解决上述问题。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供了一种面部识别方法，所述面部识别方法包括：

接收第一面部图片以及第二面部图片；

基于多个预建立的卷积神经网络分别获取所述第一面部图片包含的多个第一预设定位置处的第一特征向量以及所述第二面部图片包含的多个第二预设定位置处的第二特征向量；

将每对存在预设定对应关系的第一预设定位置处的第一特征向量、第二预设定位置处的第二特征向量构成多个特征向量组；

基于多个所述特征向量组计算所述第一面部图片与所述第二面部图片的面部相似度。

第二方面，本发明实施例还提供了一种面部识别装置，所述面部识别装置包括：

信息接收单元，用于接收第一面部图片以及第二面部图片；

特征向量获取单元，用于基于多个预建立的卷积神经网络分别获取所述第一面部图片包含的多个第一预设定位置处的第一特征向量以及所述第二面部图片包含的多个第二预设定位置处的第二特征向量；

特征向量组构成单元，用于将每对存在预设定对应关系的第一预设定位置处的第一特征向量、第二预设定位置处的第二特征向量构成多个特征向量组；

相似度计算单元，用于基于多个所述特征向量组计算所述第一面部图片与所述第二面部图片的面部相似度。