[发明专利]人脸识别控制方法、装置、设备及存储介质

权利要求书

1.一种人脸识别控制方法，其特征在于，所述方法包括：

从预设数据库获取人脸图像集，基于所述人脸图像集训练预设模型集分别得到人脸检测模型及人脸识别模型；

将所述人脸检测模型和人脸识别模型转换为预设格式，将转换格式后的人脸检测模型存储至预先配置的第一模块，将转换格式后的人脸识别模型存储至预先配置的第二模块；

获取待识别的人脸图像，利用所述第一模块的人脸检测模型对待识别的人脸图像进行检测得到检测结果，对所述检测结果执行裁剪操作得到裁剪后的图像，利用所述第二模块的人脸识别模型对裁剪后的图像进行识别，将识别结果和所述人脸图片存储至预设数据库。

2.如权利要求1所述的人脸识别控制方法，其特征在于，所述预设模型集包括多任务卷积神经网络模型，所述人脸检测模型是基于所述多任务卷积神经网络模型训练得到的，所述多任务卷积神经网络模型包括用于生成人脸候选框的第一子网络、用于删除非人脸候选框的第二子网络及用于生成目标边界框与人脸关键点的第三子网络，所述第一子网络的第三层新增了一个残差模块。

3.如权利要求1或2所述的人脸识别控制方法，其特征在于，所述预设模型集还包括卷积神经网络模型，所述人脸识别模型是基于所述卷积神经网络模型训练得到的，所述卷积神经网络模型删除了第18层及第27层的分类器分支，所述卷积神经网络模型倒数第三层的卷积核大小为5*5。

4.如权利要求3所述的人脸识别控制方法，其特征在于，所述人脸识别模型的训练过程包括：

为所述人脸图像集中的各人脸图像标注预设标签，将人脸图像作为自变量、各人脸图像的预设标签作为因变量生成目标样本集；

将所述目标样本集按照预设比例分成训练集及验证集；

利用所述训练集中的各所述自变量及各所述因变量对所述卷积神经网络模型进行训练，每隔预设周期使用所述验证集对卷积神经网络模型进行验证，利用所述验证集中各所述自变量及各所述因变量对卷积神经网络模型的准确率进行验证；及

当验所述准确率大于预设阈值时结束训练，得到所述人脸识别模型。

5.如权利要求1至5中任意一项所述的人脸识别控制方法，其特征在于，所述第一模块部署在边缘侧，所述第二模块部署在云端。

6.一种人脸识别控制装置，其特征在于，所述装置包括：

训练模块：用于从预设数据库获取人脸图像集，基于所述人脸图像集训练预设模型集分别得到人脸检测模型及人脸识别模型；

存储模块：用于将所述人脸检测模型和人脸识别模型转换为预设格式，将转换格式后的人脸检测模型存储至预先配置的第一模块，将转换格式后的人脸识别模型存储至预先配置的第二模块；

识别模块：用于获取待识别的人脸图像，利用所述第一模块的人脸检测模型对待识别的人脸图像进行检测得到检测结果，对所述检测结果执行裁剪操作得到裁剪后的图像，利用所述第二模块的人脸识别模型对裁剪后的图像进行识别，将识别结果和所述人脸图片存储至预设数据库。

7.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的程序，所述程序被所述至少一个处理器执行，以使所述至少一个处理器执行如下步骤：

从预设数据库获取人脸图像集，基于所述人脸图像集训练预设模型集分别得到人脸检测模型及人脸识别模型；

将所述人脸检测模型和人脸识别模型转换为预设格式，将转换格式后的人脸检测模型存储至预先配置的第一模块，将转换格式后的人脸识别模型存储至预先配置的第二模块；

获取待识别的人脸图像，利用所述第一模块的人脸检测模型对待识别的人脸图像进行检测得到检测结果，对所述检测结果执行裁剪操作得到裁剪后的图像，利用所述第二模块的人脸识别模型对裁剪后的图像进行识别，将识别结果和所述人脸图片存储至预设数据库。