[发明专利]一种针对眼镜遮挡的人脸识别方法及装置

说明书

本发明提供了一种针对眼镜遮挡的人脸识别方法及装置，方法包括：获取待进行人脸识别的用户的人脸图像及眼部区域图像；根据人脸图像获取人脸特征以及根据眼部区域图像基于注意力机制思想获取眼部特征；根据眼部特征以及预设的残差函数模型获取眼部残差特征；将人脸特征和眼部残差特征进行融合，得到人脸叠加眼部的融合特征；将人脸叠加眼部的融合特征输入至预设人脸识别模型中，得到人脸图像识别结果；其中，预设人脸识别模型为将训练样本的人脸叠加眼部的融合特征作为输入，将训练样本的正确识别结果作为输出进行预先训练得到的。本发明提高了佩戴眼镜人脸图像的识别准确度，避免数据倾斜的产生。

技术领域

本发明涉及计算机技术领域，具体涉及一种针对眼镜遮挡的人脸识别方法及装置。

背景技术

随着深度学习技术的飞速发展及其在人脸识别应用上的卓越表现，人脸识别技术已经应用在公安、政府、金融、教育、医疗等众多领域。人脸识别技术的应用不仅降低了人工的工作强度，而且有效提高了工作效率。但是目前人脸识别的效果受到很多因素的影响，其中，眼镜尤其是宽眼镜框眼镜会大幅降低人脸识别的准确率。

针对眼镜遮挡问题，现有技术中，一种方法是基于卷积神经网络的深度学习人脸识别方法，该方法主要通过采集大量同一人佩戴与不佩戴眼镜情况下的图像，进行模型训练，提高眼镜遮挡下的人脸识别精度；另一种方法是检测眼镜框区域，利用主成分分析法或临近区域像素点填充法，对输入的戴眼镜人脸图像进行重构，获取没有眼镜的图像，进而完成对戴眼镜人脸的识别。

对于上述第一种基于卷积神经网络的深度学习人脸识别方法，虽然有着较高的识别精度，但是这类识别方法需要大量的人脸图像进行模型训练。而在实际场景应用中，所采集的待比对人脸图像往往是不受控制的，而且模型在训练阶段也缺少足够数量的佩戴眼镜的人脸图像。

对于上述第二种检测眼镜框区域并进行人脸图像重构的方法，需要消除人脸图像中的眼镜，对图像进行裁剪对齐，利用眼睛检测算法得到眼镜框区域，通过主成分分析法或利用眼镜框区域的外部区域所包含像素点填充识别出的眼镜框区域，实现对戴眼镜人脸图像的重构。此方法会在一定程度上改变人脸图像特征，造成一定的识别偏差，并且对图像对齐要求也较高、计算复杂度高，很难满足实际应用需求。

发明内容

针对现有技术中的缺陷，本发明提供一种针对眼镜遮挡的人脸识别方法及装置。

具体地，本发明提供以下技术方案：

第一方面，本发明提供了一种针对眼镜遮挡的人脸识别方法，包括：

获取待进行人脸识别的用户的人脸图像x及眼部区域图像x_e；

根据所述人脸图像x获取人脸特征Φ(x)以及根据所述眼部区域图像x_e基于注意力机制思想获取眼部特征Φ(x_e)；

根据所述眼部特征Φ(x_e)及预设的残差函数模型R(·)获取眼部残差特征R(Φ(x_e))；其中，所述预设的残差函数模型R(·)为通过对训练样本以最小化min(R(Φ(x_eg))-Φ(x_en))为目标进行训练得到的，其中，x_eg为训练样本佩戴眼镜的眼部图像，x_en为训练样本不佩戴眼镜的眼部图像，Φ(x_eg)为训练样本佩戴眼镜的眼部图像特征，Φ(x_en)为训练样本不佩戴眼镜的眼部图像特征；

将所述人脸特征和所述眼部残差特征进行融合，得到人脸叠加眼部的融合特征；

将人脸叠加眼部的融合特征输入至预设人脸识别模型中，得到人脸图像识别结果；其中，所述预设人脸识别模型为将训练样本的人脸叠加眼部的融合特征作为输入，将训练样本的正确识别结果作为输出进行预先训练得到的。