[发明专利]人脸识别方法、装置、电子设备和介质

说明书

本申请公开了一种人脸识别方法、装置、电子设备和介质。其中方法包括：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，可以更准确提取人脸特征进行识别，提升人脸识别的准确率。

技术领域

本申请涉及计算机视觉技术领域，尤其是涉及一种人脸识别方法、装置、电子设备和介质。

背景技术

人脸识别技术隶属生物识别技术范畴，已广泛用于政府、军队、银行、社会福利保障、电子商务、安全防务等领域，用于提升系统的安全性以及应用服务的便捷性。

一般而言，通过提取视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征以及深度学习卷积网络模型提取的卷积特征，并根据提取出的差异性人脸特征构建分类模型，实现人脸唯一性识别。人脸识别技术受环境因素较大，比如光照不足或过度曝光，或者如果人脸没有与摄像头呈垂直角度，也同样会造成人像变形失真，这反应在提取的浅层特征上丢失，无法准确与对照人像做比对。另一方面人脸的外形(姿态)很不稳定，也存在很多情绪变化，导致表情多样化，使得人脸图像更复杂，而在不同观察角度，人脸的视觉图像也相差很大，其复杂的结构又能提供非常丰富的信息，从而也增加了人脸识别的难度。这就需要设计更为合理的模型结构以具备提取更详细准确特征的能力。

发明内容

本申请提供了一种人脸识别方法、装置、电子设备和介质。

第一方面，提供了一种人脸识别方法，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。

在一种可选的实施方式中，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。

在一种可选的实施方式中，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。

可选的，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。

在一种可选的实施方式中，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：