[发明专利]一种人脸识别方法、装置、计算机设备及存储介质

权利要求书

1.一种人脸识别方法，其特征在于，所述方法包括：

获取待识别的人脸图像；

利用深度神经网络模型对所述待识别的人脸图像进行识别，得到所述待识别人脸图像中的多种人脸特征信息；

输出所述多种人脸特征信息。

2.根据权利要求1所述的方法，其特征在于，所述利用深度神经网络模型对所述待识别的人脸图像进行识别，得到所述待识别人脸图像中的多种人脸特征信息之前，包括：

对所述深度神经网络模型进行多轮训练，以使所述深度神经网络模型能够识别所述待识别人脸图像中的所述多个人脸特征信息。

3.根据权利要求2所述的方法，其特征在于，所述对所述深度神经网络模型进行多轮训练之前，对数据集进行预处理，包括：

对所述数据集中的样本图像中的五官特征点进行定位；

对定位后的所述五官特征点进行仿射变换，实现样本图像的预对齐处理；

将预对齐处理后的所述样本图像进行图像分割，得到人脸特征信息训练样本；

其中，当所述数据集用于训练所述深度神经网络模型识别人脸年龄时，还需要对所述数据集内的样本图像以预设的年龄段标准进行分类，以形成人脸年龄训练样本。

4.根据权利要求2所述的方法，其特征在于，所述对所述深度神经网络模型进行多轮训练，以使所述深度神经网络模型能够识别所述待识别人脸图像中的所述多个人脸特征信息，包括：

采用第1种数据集训练所述深度神经网络模型，以使所述深度神经网络模型能够识别所述待识别的人脸图像中的第一人脸特征信息；

采用第n种数据集训练已经经过n-1种数据集训练过的深度神经网络模型，以使所述深度神经网络模型在能够识别所述待识别的人脸图像中的第一人脸特征信息、至第n-1人脸特征信息的情况下，又能够识别所述待识别的人脸图像中的第n人脸特征信息；其中，n≥2，且n为整数。

5.根据权利要求4所述的方法，其特征在于，所述深度神经网络模型包括卷积层、池化层、以及全连接层，所述深度神经网络模型采用第n种数据集训练时，保留经过前n-1种数据集训练得到的参数，在所述深度神经网络模型中增加用于识别第n人脸特征信息的新的全连接层，所述第n种数据集用于训练所述新的全连接层的参数。

6.根据权利要求4所述的方法，其特征在于，所述第n种数据集中的样本图像中至少包含所述第n人脸特征信息，所述第n人脸特征信息与所述第1～第n-1人脸特征信息均不相同。

7.根据权利要求1所述的一种方法，其特征在于，所述人脸特征信息包括身份特征信息、性别特征信息、以及年龄特征信息。

8.一种人脸识别装置，其特征在于，所述装置包括：

信息获取单元，所述信息获取单元用于获取待识别的人脸图像；

信息处理单元，所述信息处理单元用于利用深度神经网络模型对所述待识别的人脸图像进行识别，得到所述待识别的人脸图像中的人脸特征信息；其中，所述深度神经网络模型由多个数据集经过多轮训练得到，所述深度神经网络模型能够识别所述待识别的人脸图像中的多个人脸特征信息；以及

信息输出单元，所述信息输出单元用于输出所述人脸特征信息。

9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1至7中任一项权利要求所述一种人脸识别方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1至7中任一项权利要求所述一种人脸识别方法的步骤。