[发明专利]人脸识别方法、装置、电子设备和介质

权利要求书

1.一种人脸识别方法，其特征在于，所述方法包括：

获取深度可分离卷积网络结构和样本人脸图像，基于所述样本人脸图像训练所述深度可分离卷积网络结构，获得训练好的目标网络模型，所述样本人脸图像包括多个用户的人脸图像，其中每个用户的人脸图像包括至少五个基本人脸图像和/或由所述基本人脸图像经过预处理操作获得的人脸扩展图像；

获取待处理人脸图像，对所述待处理人脸图像进行所述预处理操作，获得符合预设参数的待识别人脸图像；

将所述待识别人脸图像输入所述目标网络模型进行人脸识别处理，获得人脸识别判定结果。

2.根据权利要求1所述的人脸识别方法，其特征在于，所述深度可分离卷积网络结构包括：

两个普通卷积层、三个深度可分离卷积层、四个残差块、一个全局深度可分离卷积层和一个线性卷积层。

3.根据权利要求2所述的人脸识别方法，其特征在于，所述深度可分离卷积网络结构具体包括十一个卷积模块，其中：

第一个卷积模块为一个3×3的所述普通卷积层；

第三个、第五个、第七个卷积模块分别为一个3×3的所述深度可分离卷积卷积层；

第二个、第四个、第六个和第八个卷积模块分别为一个所述残差块；

第九个卷积模块为一个1×1的所述普通卷积层；

第十个卷积模块为一个7×7的所述全局深度可分离卷积层；

第十一个卷积模块为一个1×1的所述线性卷积层。

4.根据权利要求3所述的人脸识别方法，其特征在于，所述第二个卷积模块的残差块包括4个残差单元，所述第四个卷积模块的残差块包括8个残差单元，所述第六个卷积模块的残差块包括16个残差单元，所述第八个卷积模块的残差块包括5个残差单元。

5.根据权利要求1-4任一项所述的人脸识别方法，其特征在于，所述将所述待识别人脸图像输入所述目标网络模型进行人脸识别处理，获得人脸识别判定结果包括：

将所述待识别人脸图像输入所述目标网络模型，获得所述目标网络模型的所述线性卷积层输出的目标人脸特征向量；

基于所述目标人脸特征向量与模板人脸特征向量进行相似度度量，获得所述人脸识别判定结果。

6.根据权利要求5所述的人脸识别方法，其特征在于，所述基于所述目标人脸特征向量与模板人脸特征向量进行相似度度量，获得所述人脸识别判定结果，包括：

获取所述目标人脸特征向量和所述模板人脸特征向量的相似度；

在所述相似度大于或等于预设的特征相似度阈值的情况下，确定所述待识别人脸图像识别成功；在所述相似度小于所述预设的特征相似度阈值的情况下，确定所述待识别人脸图像识别失败。

7.根据权利要求2-4任一项所述的人脸识别方法，其特征在于，所述深度可分离卷积卷积层采用分组归一化层；

所述深度可分离卷积卷积层包括两个1×1卷积层和一个3×3卷积层。

8.根据权利要求1-4任一项所述的人脸识别方法，其特征在于，所述预处理操作包括：

对角拉伸、横向拉伸、纵向拉升、水平旋转、变化亮度、加入椒盐噪音、加入高斯噪音中的任意一种或几种。

9.一种人脸识别装置，其特征在于，包括：

训练模块，用于获取深度可分离卷积网络结构和样本人脸图像，基于所述样本人脸图像训练所述深度可分离卷积网络结构，获得训练好的目标网络模型，所述样本人脸图像包括多个用户的人脸图像，其中每个用户的人脸图像包括至少五个基本人脸图像和/或由所述基本人脸图像经过预处理操作获得的人脸扩展图像；

预处理模块，用于获取待处理人脸图像，对所述待处理人脸图像进行预处理操作，获得符合预设参数的待识别人脸图像；

识别模块，用于将所述待识别人脸图像输入所述目标网络模型进行人脸识别处理，获得人脸识别判定结果。