[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：获取待识别人脸图像；基于第一网络结构对所述待识别人脸图像进行特征提取，获得所述待识别人脸图像的人脸特征数据；通过目标字典参数对所述待识别人脸图像的人脸特征数据进行调整，获得调整特征数据；基于第二网络结构对所述调整特征数据进行处理，获得目标人脸特征向量；通过比对所述目标人脸特征向量和模板人脸特征向量，确定所述待识别人脸图像的识别结果，可以实现不同情境下的人脸识别，尤其能够提升遮挡人脸识别的准确率，具有较强通用性。

技术领域

本发明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。针对存在遮挡区域的人脸识别问题，由于遮挡物的存在，加之有些人的眼部生物学特征具有较强的相似性，特征提取不够精准或者无法提取有效的特征，原有人脸识别技术准确率很低，甚至通常无法识别、使用。

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：

获取待识别人脸图像；

基于第一网络结构对所述待识别人脸图像进行特征提取，获得所述待识别人脸图像的人脸特征数据；

通过目标字典参数对所述待识别人脸图像的人脸特征数据进行调整，获得调整特征数据；

基于第二网络结构对所述调整特征数据进行处理，获得目标人脸特征向量；

通过比对所述目标人脸特征向量和模板人脸特征向量，确定所述待识别人脸图像的识别结果。

在一种可选的实施方式中，所述通过目标字典参数对所述待识别人脸图像的人脸特征数据进行调整，获得调整特征数据，包括：

确定所述待识别人脸图像的人脸特征数据中的非关注特征元素和关注特征元素；

将所述非关注特征元素置为0。

在一种可选的实施方式中，所述方法还包括：

获取多组样本人脸图像对，所述样本人脸图像对包括样本人脸图像与对应的样本遮挡人脸图像，所述样本遮挡人脸图像为存在遮挡物的样本人脸图像；

基于第一网络结构分别对所述多组样本人脸图像对进行特征提取，获得所述多组样本人脸图像对的特征向量；

通过目标生成器获取所述多组样本人脸图像对的特征向量的差值；

再根据所述特征向量的差值确定用于遮挡情况下特征识别的所述非关注特征元素和所述关注特征元素；

根据所述特征向量的差值确定用于遮挡情况下特征识别的所述非关注特征元素和所述关注特征元素。

在一种可选的实施方式中，所述目标生成器的网络结构包括：

一个卷积层、一个PReLu激活层、一个组归一化层和一个Sigmoid激活层；所述卷积层的卷积核大小为3x3，步长为1，填充为1，通道数为512。

在一种可选的实施方式中，所述根据所述特征向量的差值确定用于特征识别的非关注特征元素和关注特征元素，包括：

获取所述特征向量的差值的平均值；将所述平均值的特征图水平拉伸，获得平均特征向量；