[发明专利]人脸匹配方法、装置、设备及存储介质有效

专利信息
申请号: 201811079718.9 申请日: 2018-09-14
公开(公告)号: CN109376596B 公开(公告)日: 2020-11-13
发明(设计)人: 杜翠凤;周冠宇;温云龙;杨旭;周善明;张添翔;叶绍恩;梁晓文 申请(专利权)人: 广州杰赛科技股份有限公司;广州杰赛通信规划设计院有限公司
主分类号: G06K9/00 分类号: G06K9/00
代理公司: 广州三环专利商标代理有限公司 44202 代理人: 麦小婵;郝传鑫
地址: 510310 广东省广*** 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: 匹配 方法 装置 设备 存储 介质
【权利要求书】:

1.一种人脸匹配方法,其特征在于,包括以下步骤:

根据接收的目标人脸图像,通过预先建立的候选区域网络模型,获取目标人脸区域图像以及至少两个人脸器官区域图像;

根据所述目标人脸区域图像以及所述人脸器官区域图像,通过预先建立的级联卷积神经网络模型,获取至少两个目标人脸特征点及对应特征向量;

将至少两个所述目标人脸特征点以预定的组合设置进行组合,以获取至少一个特征组合;

根据所述特征组合中所述目标人脸特征点的特征向量以及预先建立的特征检索库,逐个组合进行迭代匹配,以获取匹配于所有特征组合的图像集合;其中,所述图像集合是根据所述特征组合划分并存储在所述特征检索库的,而且包括参照人脸图像以及对应的参照人脸特征点的特征向量;

将所述目标人脸特征点的特征向量与所述图像集合中的每一参照人脸图像的参照人脸特征点的特征向量依次进行相似度计算,以获取人脸匹配结果。

2.根据权利要求1所述的人脸匹配方法,其特征在于,所述根据接收的目标人脸图像,通过预先建立的候选区域网络模型,获取目标人脸区域图像以及至少两个人脸器官区域图像,具体为:

接收目标人脸图像;

将所述目标人脸图像作为预先建立的候选区域网络模型的输入值,以从所述候选区域网络模型获取目标人脸区域图像以及至少两个人脸器官区域图像。

3.根据权利要求1所述的人脸匹配方法,其特征在于,所述根据所述目标人脸区域图像以及所述人脸器官区域图像,通过预先建立的级联卷积神经网络模型,获取至少两个目标人脸特征点及对应特征向量,具体为:

将所述目标人脸区域图像以及所述人脸器官区域图像作为预先建立的级联卷积神经网络模型的输入值,以从所述级联卷积神经网络模型获取至少两个目标人脸特征点;

计算至少两个所述目标人脸特征点的特征向量。

4.根据权利要求1所述的人脸匹配方法,其特征在于,所述特征检索库的建立过程包括以下步骤:

接收若干参照人脸图像;

根据所述参照人脸图像,通过所述候选区域网络模型,获取每一所述参照人脸图像对应的参照人脸区域图像以及至少两个参照人脸器官区域图像;

根据所述参照人脸区域图像以及参照人脸器官区域图像,通过所述级联卷积神经网络模型,获取每一所述参照人脸图像相应的至少两个参照人脸特征点及对应特征向量;

将至少两个所述参照人脸特征点以预定的组合设置进行组合,以获取至少一个参照特征组合;

对于所述若干参照人脸图像,以预定的组合顺序,依次根据所述参照特征组合中的所述参照人脸特征点的特征向量的中心欧式距离进行分组,以获取若干图像集合;其中,所述图像集合包括参照人脸图像以及所述参照人脸图像对应的参照人脸特征点的特征向量。

5.根据权利要求4所述的人脸匹配方法,其特征在于,所述根据所述特征组合中所述目标人脸特征点的特征向量以及预先建立的特征检索库,逐个组合进行迭代匹配,以获取匹配于所有特征组合的图像集合,具体为:

计算每一所述特征组合中所述目标人脸特征点的特征向量的中心欧式距离;

根据每一所述特征组合的中心欧式距离以及所述特征检索库,以所述预定的组合顺序,通过邻近算法逐个组合进行迭代匹配,以获取匹配于所有特征组合的图像集合。

6.根据权利要求5所述的人脸匹配方法,其特征在于,所述将所述目标人脸特征点的特征向量与所述图像集合中的每一参照人脸图像的参照人脸特征点的特征向量依次进行相似度计算,以获取人脸匹配结果,具体为:

将所述目标人脸特征点的特征向量与所述图像集合中的每一参照人脸图像的参照人脸特征点的特征向量依次进行余弦相似度计算,获取所述目标人脸图像与所述图像集合中每一参照人脸图像的相似度;

获取相似度最大的所述参照人脸图像,以作为人脸匹配结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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广州杰赛科技股份有限公司;广州杰赛通信规划设计院有限公司,未经广州杰赛科技股份有限公司;广州杰赛通信规划设计院有限公司许可,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/201811079718.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top