[发明专利]基于YOLOV5模型的人脸识别方法

说明书

本发明公开了一种基于YOLOV5模型的人脸识别方法，包含：通过标定好的第一训练图像对YOLOV5模型进行训练；通过标定好的第二训练图像对FaceNet模型进行训练；通过图像采集设备采集若干注册用户的人脸图像输入至训练好的YOLOV5模型和FaceNet模型得到若干注册用户的第一人脸特征向量并保存至数据库；通过图像采集设备采集待识别用户的人脸图像并输入至训练好的YOLOV5模型和FaceNet模型得到该待识别用户的第二人脸特征向量；将第二人脸特征向量和数据库中的保存的第一人脸特征向量进行相似度匹配进行判断。本发明的基于YOLOV5模型的人脸识别方法，在识别小目标时能够兼顾性能和目标识别有效性。

技术领域

本发明涉及一种基于YOLOV5模型的人脸识别方法。

背景技术

人脸识别技术是提取人的脸部特征信息进行身份识别的一种生物识别技术。现有人脸识别一般分为人脸检测、人脸识别、活体检测三个步骤，当输入一帧图像后，人脸检测模块检测出人脸在图像中的坐标位置，接着人脸识别模块提出人脸的特征向量，一般为256维、512维或者1024维，根据这个特征向量与人脸底库存储的人脸特征向量进行对比，判断是否为某一个人。最后通过活体检测模块判断是否为真人或者是使用了图片、视频的人脸。

现有的人脸检测算法模型往往无法兼顾性能和小目标人脸检测，当能够识别到人脸像素小于30x30时，算法性能下降比较快，而当提高算法性能时，小目标人脸往往又检测不到。

同时，在人脸识别模块，当获取一帧图像后，通过深度网络模型提取人脸的特征向量，然后与人脸底库中的特征向量进行比对，判断是否为同一个人，接着再运行活体检测网络判断输入图像是真人还是图像、视频攻击的人脸。这需要运行两个模型，极大的影响系统性能。

发明内容

本发明提供了一种基于YOLOV5模型的人脸识别方法，采用如下的技术方案：

一种基于YOLOV5模型的人脸识别方法，包含以下步骤：

获取若干第一训练图像；

对第一训练图像进行标定；

通过标定好的第一训练图像对YOLOV5模型进行训练；

通过图像采集设备采集若干第二训练图像；

对第二训练图像进行标定；

通过标定好的第二训练图像对FaceNet模型进行训练；

通过图像采集设备采集若干注册用户的人脸图像输入至训练好的YOLOV5模型和FaceNet模型得到若干注册用户的第一人脸特征向量并保存至数据库；

通过图像采集设备采集待识别用户的人脸图像并输入至训练好的YOLOV5模型和FaceNet模型得到该待识别用户的第二人脸特征向量；

将第二人脸特征向量和数据库中的保存的第一人脸特征向量进行相似度匹配，当相似度大于预设阈值时表明该待识别用户是注册用户。

进一步地，在通过标定好的第一训练图像对YOLOV5模型进行训练之前，基于YOLOV5模型的人脸识别方法还包括：

对标定后的第一训练图像进行预处理；

对预处理后的第一训练图像进行Mosaic图像增强操作；

将图像增强后的第一训练图像缩放为统一尺寸。

进一步地，Mosaic图像增强操作包括图像随机缩放、图像随机裁剪和图像随机排布。

进一步地，YOLOV5模型包含依次连接的Focus层、第一Conv层、第一CSP层、第二Conv层、第二CSP层、第三Conv层、第三CSP层、第四Conv层、SPP层和第一CSP层。