[发明专利]移动端设备及其人脸识别方法

说明书

移动端设备及其人脸识别方法，所述人脸识别包括：构建并训练第一神经网络，所述第一神经网络用于进行人脸识别；将训练后的第一神经网络移植到NNU平台上，得到第二神经网络；在移动端设备上通过NNU平台运行第二神经网络来进行人脸识别。本发明实现了在移动端设备上以低计算量、低功耗的人工神经网络来进行人脸识别，同时有助于提升NNU的使用效率、降低量化的损失，提高了神经网络的鲁棒性、预测准确率、预测速度等。

技术领域

本发明涉及人工智能技术领域，特别是涉及一种移动端设备及其人脸识别方法。

背景技术

随着现代科学信息产业的发展，身份认证技术已经转到了生物特征层面。作为人的一种内在属性，并且具有很强的自身稳定性及个体差异性，生物特征成为了自动身份验证的最理想依据。

当前的生物特征识别技术主要有：指纹识别、视网膜识别、步态识别等。与其他识别方法相比，人脸识别由于具有直接、友好、方便的特点，使用者无任何心理障碍，易于为用户所接受，从而广泛应用于诸如刑侦破案、证件验证、视频监控、入口控制等领域。

早期的人脸识别系统均使用的是传统机器学习的方法，包括几何特征、局部特征分析等方法，但这些方法都存在着识别率不高、抗干扰能力差等缺点，这些对人脸识别系统的应用造成了极大的干扰。

而人工神经网络采用多层感知器等算法，使得训练出的网络具有较强的适用能力和鲁棒性，可以有效地运用于不同色温、不同尺寸、不同姿态等复杂背景的情况，是一种有效的人脸识别方法。而且通过适量增加训练样本的数量和类型，可以进一步提高识别性能。

随着物联网的发展，边缘智能逐渐崛起，用神经网络训练出的模型总是存在着参数量过大，从而导致其在移动端或者智能家居等方面无法应用。

由此可见，亟需一种计算量小、功耗小的人工神经网络，以适用于移动端设备上的人脸识别。

发明内容

本发明解决的技术问题是：如何在移动端设备上以低计算量、低功耗的人工神经网络来进行人脸识别。

为了解决上述技术问题，本发明实施例提供一种人脸识别方法，包括：

构建并训练第一神经网络，所述第一神经网络用于进行人脸识别；

将训练后的第一神经网络移植到NNU平台上，得到第二神经网络；

在移动端设备上通过NNU平台运行第二神经网络来进行人脸识别。

可选的，所述第一神经网络采用基于NNU平台架构的神经网络。

可选的，所述构建并训练第一神经网络包括：

获取辅助图片，所述辅助图片用于对第一神经网络进行训练，所述辅助图片中包含人脸相关区域；

通过辅助图片、以及数据库中预先存储的人脸数据来对第一神经网络进行训练；

重复上述步骤多次，直至完成对第一神经网络的训练。

可选的，所述通过辅助图片、以及数据库中预先存储的人脸数据来对第一神经网络进行训练包括：

将辅助图片转化为灰度格式；

在辅助图片中检测并截取人脸区域部分图片；

将截取的人脸区域部分图片整形至预定尺寸后输入第一神经网络；

第一神经网络输出关于该人脸区域部分图片的特征向量；

对该特征向量进行L2归一化处理，得到待比对数据；

将待比对数据与数据库中预先存储的各份人脸数据分别做欧式距离的对比，得出比对结果。