[发明专利]一种获取人脸识别阈值的方法及系统

说明书

本发明实施例公开了一种获取人脸识别阈值的方法及系统，首先获取识别场景下已知人物与未知人物出现频次的比例作为样本比例，然后建立已知人物的正样本数据集，以及未知人物的负样本数据集，正样本总数量与负样本总数量的比例与样本比例一致。计算每个正样本及每个负样本与已知人物的相似性分数，生成正样本相似性分数的分布，以及，生成负样本相似性分数的分布。最后，判断是否存在同频相似性分数使正样本分布和负样本分布上对应同频相似性分数的频率相同，如果是，将同频相似性分数确定为人脸识别阈值，如果否，在正样本相似性分数中的最低值与负样本相似性分数中的最高值之间，任意选取一个相似性分数确定为人脸识别阈值。

技术领域

本发明涉及人脸识别技术领域，特别是涉及一种获取人脸识别阈值的方法及系统。

背景技术

人脸识别是人工智能领域的研究热点，该技术能够快速有效地检测图像或者视频中的人脸并获得其身份信息，广泛应用于互联网内容审查、安防监控等场景。随着深度学习技术的快速发展，作为深度学习技术应用之一的人脸识别也获得了突破性进展，人脸识别精度逐渐提高，在某些场景下甚至超越了人类的识别极限。

人脸识别分为封闭集合人脸识别和开放集合人脸识别两类，分类依据在于是否在有限人脸集合上开展识别工作。封闭集合人脸识别只分析人脸数据库中已知人物的身份信息，即使有未知人物出现也会为其匹配人脸数据库中已知人物的身份信息；而开放集合人脸识别则允许识别人脸数据库外的未知人物，并不会为其匹配已知人物的身份信息。

针对封闭集合人脸识别而言，实现人脸识别的流程主要包括以下步骤：首先，采用深度神经网络提取待检测人脸的特征，然后，将待检测人脸的特征与人脸特征库中的特征进行比对，得到特征相似性分数，最后，根据相似性分数为待检测人脸匹配身份信息。而开放式人脸识别除了需要完成上述流程以外，还需要在获得特征相似性分数之后，通过阈值筛选的方式判别待检测人脸对应的人物身份是已知人物还是未知人物，在确认待检测人脸为已知人物之后，再为待检测人脸匹配身份信息。由此可见，阈值是保证开放式人脸识别准确性的重要基础。

目前，获取开放式人脸识别阈值主要采用以下方式：采集未知人物的人脸图像作为负样本，以及，采集已知人物的人脸图像作为正样本，将两类样本数据分别与人脸特征库对比，获得每个样本的相似性分数。根据相似性分数按照由高到低的方式为所有样本数据排序，若某一相似性分数能够使高于该分数的负样本数量占正负样本总数的百分比小于1％，则将该相似性分数作为人脸识别的阈值。

但是，在真实应用场景中，例如，在办公楼等场所中，固定出入的人员(如公司员工)数量往往比偶尔出入的人员数量多，采用上述方式所确定的阈值，即相似性分数较低，很可能将未知人员误判别为已知人员，影响人脸识别的准确率；而在商场等场所，固定出入的人员(如售货员)通常比偶尔出入的人员数量少，采用上述方式所确定的阈值，即相似性分数较高，很可能将已知人员误判别为未知人员，导致人脸识别的灵敏度下降。

发明内容

本发明实施例中提供了一种获取人脸识别阈值的方法及系统，以解决现有人脸识别阈值确定方法影响人脸识别准确率和灵敏度的问题。

为了解决上述技术问题，本发明实施例公开了如下技术方案：

一种获取人脸识别阈值的方法，应用于区分识别场景下的已知人物和未知人物，包括：

获取识别场景下已知人物与未知人物出现频次的比例并作为样本比例；

建立已知人物的正样本数据集，所述正样本数据集中每个正样本均包含一个已知人物的面部数据；

建立未知人物的负样本数据集，所述负样本数据集中每个负样本均包含一个未知人物的面部数据；正样本总数量与负样本总数量的比例与样本比例一致；

分别计算每个正样本及每个负样本与已知人物的相似性分数；

生成正样本相似性分数的分布，以及，生成负样本相似性分数的分布；