[发明专利]融合眼部识别模型的局部遮挡人脸识别方法、系统、设备

说明书

本发明公开了一种融合眼部识别模型的局部遮挡人脸识别方法、系统、设备，所述识别方法包括以下步骤：采集人脸图像，根据人脸部关键点信息对人脸图像进行归一化处理后得到多个包含人脸图像的训练数据集；对训练数据集依次进行人脸图像区域检测、人脸关键点检测、人脸特征向量提取以及分类后，得到人脸特征集；计算人脸特征的Triplet Loss损失函数L；通过深度神经网络对人脸图像中的眼部关键点进行对齐后，在人脸图像上截取包含眼部关键点且具有固定大小的矩形框，将该矩形框对应到特征图上，计算眼部特征的Eye Loss的损失函数Le；构建具有融合损失函数Lt的深度神经网络识别模型，对人脸进行识别。

技术领域

本发明涉及图像识别领域，具体涉及一种融合眼部识别模型的局部遮挡人脸识别方法、系统、设备。

背景技术

随着人脸识别技术的快速进步以及市场应用需求的日益凸显，人脸识别技术在应用场景上也有了很大的突破，其广泛应用于金融、司法、军队、公安、边检、政府、航天、电力、工厂、医疗及众多企事业单位等领域。

在某些场合下，人们需要佩戴口罩遮住口鼻，以便于维护公共卫生安全。在佩戴口罩以后，人脸识别技术的做法是首先检测图像中的人脸，然后检测人脸是否有戴口罩，如果没有戴口罩，加载预训练的完整人脸识别模型，输入人脸图像；如果有戴口罩，则加载预训练的眼部识别模型，将经过裁剪的眼部图像送入模型，只使用模型输出的眼部特征和数据库里人员注册时记录的眼部特征对比。

但是，上述的方法存在下述的问题：

需要检测人脸是否有戴口罩，多进行了一次检测，会增加人脸识别的时间，而且受限于前端的硬件的整体性能，无法同时加载完整人脸识别模型和眼部识别模型，这就需要在上述两个模型之间不断加载和卸载，严重影响人脸识别的速度。

发明内容

为解决上述技术问题，本发明提供一种融合眼部识别模型的局部遮挡人脸识别方法、系统、设备。

为解决上述技术问题，本发明采用如下技术方案：

一种融合眼部识别模型的局部遮挡人脸识别方法，包括以下步骤：

步骤一：采集人脸图像，根据人脸部关键点信息对人脸图像进行归一化处理后得到多个包含人脸图像的训练数据集；对训练数据集依次进行人脸图像区域检测、人脸关键点检测、人脸特征向量提取以及分类后，得到多个人脸特征集；

步骤二：计算人脸特征的Triplet Loss损失函数L，并通过对损失函数L进行最小化处理使同一人的人脸特征距离小于不同人的人脸特征距离；

步骤三：通过深度神经网络对人脸图像中的眼部关键点进行对齐后，在人脸图像上截取包含眼部关键点且具有固定大小的矩形框，将该矩形框对应到深度神经网络的特征图上，计算眼部特征的Eye Loss的损失函数Le；

步骤四：构建具有融合损失函数Lt的深度神经网络识别模型，对人脸进行识别；所述融合损失函数Lt＝L+λLe，其中λ是超参数且恒为正值。

具体地，步骤一中得到训练数据集后，计算各训练数据集的平均数据量，对平均数据量对应的训练数据集依次进行人脸图像区域检测、人脸关键点检测和人脸特征向量提取，得到多个特征集；对多个特征集进行分类后得到多个人脸特征集。

具体地，步骤二中计算所述Triplet Loss损失函数，即三元组损失函数时，分别代表第i个三元组的锚点a，正例p，负例n；分别代表对应的特征；

则Triplet Loss损失函数L的值如果大于零时等于该值，L的值小于零的时等于0，α是超参数，表示锚点a和正例p的特征距离与锚点a和负例n的特征距离之差应大于α；

对Triplet Loss损失函数L进行最小化处理后，则同一个人的人脸特征距离小于不同人的人脸特征距离。