[发明专利]一种近红外人脸图像识别方法、装置、电子设备及存储介质

权利要求书

1.一种近红外人脸图像识别方法，其特征在于，包括：

根据待测试近红外人脸图像，得到第一高维深度特征表示；

根据M张可见光人脸图像，对应得到M个第二高维深度特征表示；

根据所述第一高维深度特征表示和M个所述第二高维深度特征表示，对所述待测试近红外人脸图像进行人脸识别；

所述根据所述第一高维深度特征表示和M个所述第二高维深度特征表示，对所述待测试近红外人脸图像进行人脸识别，包括：

计算所述第一高维深度特征表示和每个所述第二高维深度特征表示的欧式距离，得到初始比对距离矩阵；

根据所述初始比对距离矩阵，得到第一重排序权值和第二重排序权值；

根据所述第一重排序权值和所述第二重排序权值更新所述初始比对距离矩阵，直至得到重排序后的比对距离矩阵；

从所述重排序后的比对距离矩阵中选取最小的矩阵元素值，根据所述矩阵元素值得到最终的可见光人脸图像，完成对所述待测试近红外人脸图像的识别。

2.根据权利要求1所述的识别方法，其特征在于，根据待测试近红外人脸图像，得到第一高维深度特征表示，包括：

将所述待测试近红外人脸图像划分为若干大小相同的第一图像块，且沿第一方向相邻的两个所述第一图像块按照第一预设大小相互重叠；

基于所述第一图像块，按照训练后的模型，得到所述第一图像块的深度特征表示；

将所有所述第一图像块的深度特征表示按照顺序进行拼接处理，得到所述第一高维深度特征表示。

3.根据权利要求2所述的识别方法，其特征在于，基于所述第一图像块，按照训练后的模型，得到所述第一图像块的深度特征表示，包括：

将每个所述第一图像块输入至训练后的卷积神经网络模型，对应得到所述第一图像块的深度特征表示。

4.根据权利要求1所述的识别方法，其特征在于，根据M张可见光人脸图像，对应得到M个第二高维深度特征表示，包括：

将每张所述可见光人脸图像划分为若干大小相同的第二图像块，且沿第一方向相邻的两个所述第二图像块按照第二预设大小相互重叠；

基于所述第二图像块，按照训练后的模型，得到所述第二图像块的深度特征表示；

将每张所述可见光人脸图像的所有所述第二图像块的深度特征表示按照顺序进行拼接处理，得到所述第二高维深度特征表示。

5.根据权利要求1所述的识别方法，其特征在于，根据所述初始比对距离矩阵，得到第一重排序权值和第二重排序权值，包括：

按照从小到大的顺序从所述初始比对距离矩阵选取K个矩阵元素；

基于所述K个矩阵元素，利用第一重排序权值计算公式，得到第一重排序权值；

基于所述K个矩阵元素，利用第二重排序权值计算公式，得到第二重排序权值。

6.根据权利要求1所述的识别方法，其特征在于，根据所述第一重排序权值和所述第二重排序权值更新所述初始比对距离矩阵，直至得到重排序后的比对距离矩阵，包括：

基于所述第一重排序权值和所述第二重排序权值，利用欧式距离计算公式，得到更新后的欧式距离；

根据所述更新后的欧式距离更新所述初始比对距离矩阵，直至得到重排序后的比对距离矩阵。

7.一种近红外人脸图像识别装置，其特征在于，包括：

第一处理模块，用于根据待测试近红外人脸图像，得到第一高维深度特征表示；

第二处理模块，用于根据M张可见光人脸图像，对应得到M个第二高维深度特征表示；

识别模块，用于根据所述第一高维深度特征表示和M个所述第二高维深度特征表示，对所述待测试近红外人脸图像进行人脸识别；

所述识别模块具体用于计算所述第一高维深度特征表示和每个所述第二高维深度特征表示的欧式距离，得到初始比对距离矩阵；根据所述初始比对距离矩阵，得到第一重排序权值和第二重排序权值；根据所述第一重排序权值和所述第二重排序权值更新所述初始比对距离矩阵，直至得到重排序后的比对距离矩阵；从所述重排序后的比对距离矩阵中选取最小的矩阵元素值，根据所述矩阵元素值得到最终的可见光人脸图像，完成对所述待测试近红外人脸图像的识别。