[发明专利]人脸识别方法、装置及电子设备

说明书

本发明提供了人脸识别方法、装置及电子设备，包括：获取人脸图像；其中，人脸图像包括对同一对象同时采集的可见光图像和红外图像；将人脸图像输入至预先训练好的识别模型，以使识别模型根据人脸图像输出人脸图像的融合特征向量；根据融合特征向量，识别出人脸图像对应的人脸信息。本申请可以缓解现有的人脸识别方法识别精度不理想的技术问题，并提高了人脸识别的精度。

技术领域

本发明涉及图像识别技术领域，尤其是涉及人脸识别方法、装置及电子设备。

背景技术

近年来，随着技术的进步和光学成像设备的广泛普及，人脸识别技术的应用领域得到了极大的拓展。对于环境光相对可控、人员配合程度较好的应用场景，人脸识别算法性能已经接近饱和，但仍有相当一部分应用场景，存在环境光无法控制或成本过高的问题，导致人脸识别精度不能满足要求。如非强配合场景的夜间识别，常规措施是在识别区域架设补光灯，但由于需要补光的范围较大，补光灯的功率必须够大，而这会给被识别人员带来强烈不适，另如车载设备的司机人脸识别，环境光复杂多变，常规补光又会对司机造成干扰，影响驾驶安全。基于红外成像的人脸识别方案则能够有效的避免这些问题。

但是，现有的红外成像的人脸识别中，由于有标注的红外人脸数据集较少，且，同一个人既有红外数据，又有可见光图像的数据集更少，因此，现有的红外成像的人脸识别的效果不理想。

发明内容

有鉴于此，本发明的目的在于提供人脸识别方法、装置及电子设备，以缓解上述技术问题，并提高了人脸识别的精度。

第一方面，本发明实施例提供了一种人脸识别方法，所述方法包括：

获取人脸图像；其中，所述人脸图像包括对同一对象同时采集的可见光图像和红外图像；

将所述人脸图像输入至预先训练好的识别模型，以使所述识别模型根据所述人脸图像输出人脸图像的融合特征向量；

根据所述融合特征向量，识别出所述人脸图像对应的人脸信息。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述识别模型为基于残差网络进行训练得到的模型，所述方法还包括：

获取预先存储的人脸图像数据集，其中，所述人脸图像数据集包括可见光人脸图像数据、有标注红外人脸图像数据和无标注红外人脸图像数据；

将所述人脸图像数据集输入至所述残差网络进行训练，以得到所述识别模型。

结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述识别模型包括预训子模型和转移子模型，所述将所述人脸图像输入至预先训练好的识别模型，以使所述识别模型根据所述人脸图像输出人脸图像的融合特征向量的步骤包括：

将所述可见光图像输入至所述预训子模型，以使所述预训子模型根据所述可见光图像输出第一特征向量；

将所述红外图像输入至所述转移子模型，以使所述转移子模型根据所述红外图像输出第二特征向量；

将所述第一特征向量和所述第二特征向量进行融合特征处理，得到所述融合特征向量。

结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述将所述可见光图像输入至所述预训子模型，以使所述预训子模型根据所述可见光图像输出第一特征向量步骤还包括：

将所述可见光图像输入至所述预训子模型，以使所述预训子模型根据预设概率将所述可见光图像转换为灰度图像；

将所述灰度图像发送至第一全连接层，以使所述第一全连接层根据所述灰度图像输出第一特征向量；

其中，所述第一全连接层为所述识别模型中与所述预训子模型连接的全连接层。