[发明专利]驾驶员人脸识别方法、系统、设备及介质

权利要求书

1.一种驾驶员人脸识别方法，其特征在于，所述方法包括如下步骤：

获取驾驶员的人脸图像；

从所述人脸图像中提取人脸识别区域，并将所述人脸识别区域调整至符合预设的识别条件；

将所述人脸识别区域输入至基于深度学习构建的训练好的人脸特征提取模型，得到所述人脸特征提取模型输出的人脸特征向量；

根据所述人脸特征提取模型输出的人脸特征向量和预存图像的人脸特征向量计算所述驾驶员的人脸图像和所述预存图像的相似度，如果相似度大于指定阈值，则认为所述驾驶员的人脸图像和所述预存图像是同一个人的图像，且如果相似度大于指定阈值的预存图像多于一幅，则认为相似度最大的预存图像是驾驶员的人脸图像。

2.根据权利要求1所述的驾驶员人脸识别方法，其特征在于，如果有多个预存人脸图像的相似度大于阈值，则判定相似度最大的预存人脸图像与驾驶员的人脸图像是同一个人的人脸图像，以确定了驾驶员的身份。

3.根据权利要求1所述的驾驶员人脸识别方法，其特征在于，所述从所述人脸图像中提取人脸识别区域，包括采用MTCNN模型对所述人脸图像及人脸关键点进行检测，确定所述人脸图像中的人脸位置及人脸中两只眼睛的位置，提取所述人脸位置的人脸识别区域。

4.根据权利要求3所述的驾驶员人脸识别方法，其特征在于，所述将所述人脸识别区域调整至符合预设的识别条件，包括如下步骤：

采用MTCNN模型对所述人脸识别区域及两只眼睛的位置进行关键点检测，检测到所述人脸识别区域及两个眼睛关键点的位置；

根据所述两个眼睛关键点的中间点在所述人脸识别区域中的位置，判断人脸的偏转角度是否大于预设角度阈值，如果是，则判定所述人脸识别区域不合格，通知驾驶员重新拍摄人脸图像。

5.根据权利要求4所述的驾驶员人脸识别方法，其特征在于，所述将所述人脸识别区域调整至符合预设的识别条件中识别到所述人脸识别区域中两个眼睛关键点的位置之后，还包括如下步骤：

根据两个眼睛关键点的连线与画面水平线的夹角，旋转所述人脸识别区域，使得所述两个眼睛关键点的连线平行于所述画面水平线。

6.根据权利要求5所述的驾驶员人脸识别方法，其特征在于，采用如下步骤计算两个眼睛关键点的连线与画面水平线的夹角：

计算两个眼睛关键点连线与水平线之间夹角的正切值为：

计算两个眼睛关键点的连线与画面水平线的夹角为：

其中，两只眼睛关键点的坐标分别为(x1，y1)和(x2，y2)，θ为两个眼睛关键点的连线与画面水平线的夹角。

7.根据权利要求3所述的驾驶员人脸识别方法，其特征在于，所述确定所述人脸图像中的人脸位置之后，还包括如下步骤：

判断所述人脸图像中是否存在多个人脸，如果是，则选择最靠近所述人脸图像的中部且尺寸最大的人脸作为用于识别的人脸；

判断所述人脸图像的图像质量和光照强度是否满足预设条件，如果否，则通知驾驶员重新拍摄人脸图像。

8.根据权利要求1所述的驾驶员人脸识别方法，其特征在于，所述将所述人脸识别区域调整至符合预设的识别条件之后，还包括如下步骤：

对所述人脸识别区域进行归一化处理，将所述人脸识别区域调整为上下框之间的距离等于左右框之间的距离；

将所述人脸识别区域调整至预设的尺寸。

9.根据权利要求1所述的驾驶员人脸识别方法，其特征在于，所述人脸特征提取模型为MobilefaceNet模型。

10.根据权利要求9所述的驾驶员人脸识别方法，其特征在于，所述MobilefaceNet模型采用ArcFace人脸识别损失函数进行训练。