[发明专利]一种人脸识别方法及装置

说明书

本发明公开了一种人脸识别方法及装置，该方法包括：获取识别请求以及待识别图像；根据待识别图像获取待识别图像的人脸特征；根据识别请求从比对库中获取待比对的参照图像的所有特征，比对库中每一个ID均包括多个不同场景下的不同姿态的参照图像；根据待识别图像的人脸特征以及待比对的参照图像的所有特征，判断待识别图像与待比对的参照图像是否匹配。本发明通过使用同一ID的多个不同场景下的不同姿态的参照图像的对比库作为匹配标准，提高了识别的准确率，增强算法的鲁棒性，并且对待识别图像的表情、画质等有较好的适应性。

技术领域

本发明涉及计算机视觉技术领域，特别涉及一种人脸识别方法及装置。

背景技术

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行识别的一系列相关技术，通常也叫做人像识别、面部识别。随着技术的发展，人脸识别技术已成人工智能最火热的应用之一，如刷脸登机、刷脸取厕纸、刷脸支付、刷脸考勤、刷脸识别闯红灯的行人等等。

人脸识别的通常有以下三种应用模式：

1、1比1模式，又称身份验证模式，本质上是计算机对当前人脸与人像数据库进行快速人脸比对并得出是否匹配的过程，可以简单理解为证明你就是你。“刷脸”登机、验票、支付都属于1∶1的人证核验；

2、1比N模式，是在海量的人像数据库中找出当前用户的人脸数据(即待识别图像)并进行匹配。打拐、曝光闯红灯者均属于1：N人脸识别，即从N个人脸中找出1个目标；

3、M比N模式，是通过计算机对场景内所有人进行面部识别并与人像数据库进行比对的过程，是动态人脸比对，能充分应用于多种场景，例如公共安防，迎宾，机器人应用等。

但是，随着1比1模式中比对次数的增加以及1比N模式中注册底库ID数量的增长等因素，匹配失败和匹配错误的概率会明显增加，这主要是由于人脸特征的变化差异大造成的。其中，影响人脸识别准确率的因素包括：

(1)人脸特征并非是固定不变的，会随着年龄、表情、姿态、化妆等发生明显的变化；

(2)饰物、眼镜、口罩或者其他物体的遮挡造成的人脸不全也会增加识别的难度；

(3)训练集的采集环境如光照、设备的参数等会限制算法模型在其他场景测试集上的表现；

(4)不同人可能采用相似的化妆方式和造型、佩戴相似的饰物等增加了不同人的相似性。

因此，亟需提出一种新的人脸识别方法，已解决上述诸多问题

发明内容

为了解决现有技术的问题，本发明实施例提供了一种人脸识别方法及装置，以克服现有技术中由于比对次数的增加以及注册底库ID数量的增长等因素导致的人脸识别准确率低等问题。

为解决上述一个或多个技术问题，本发明采用的技术方案是：

一方面，提供了一种人脸识别方法，该方法包括如下步骤：

获取识别请求以及待识别图像；

根据所述待识别图像获取所述待识别图像的人脸特征；

根据所述识别请求从比对库中获取待比对的参照图像的所有特征，所述比对库中每一个ID均包括多个不同场景下的不同姿态的参照图像；

根据所述待识别图像的人脸特征以及所述待比对的参照图像的所有特征，判断所述待识别图像与所述待比对的参照图像是否匹配。

进一步的，所述根据所述待识别图像获取所述待识别图像的人脸特征包括：

对所述待识别图像进行人脸框检测以及人脸关键点检测，获取所述待识别图像对应的人脸图像以及关键点位置；