[发明专利]基于图像拼接的人脸识别方法

说明书

本发明公开了一种基于图像拼接的人脸识别方法、装置及介质，该方法包括：对人脸图像通过距离检测确定人脸是否佩戴有口罩；将佩戴口罩的人脸图像进行形态学处理，将截取已有的对应区域图像替换被口罩遮挡的区域，得到完整的人脸图像；对完整的人脸图像执行人脸匹配及识别。本发明具有如下有益效果：用于通过口罩或其他物品挡住脸部区域时进行人脸图像的补全，得到完整脸部图像，使用已用人脸数据进行详细匹配，解决了被遮挡人脸大部分的特征信息丢失的难题。

技术领域

本发明涉及计算机图形处理及人工智能领域，特别涉及一种基于图像拼接的人脸识别方法、装置及介质。

背景技术

传统的人脸识别算法主要包括三个模块：人脸检测(Face Detection)、人脸对齐(Face Alignment)和人脸特征表征(Feature Representations)。

人脸特征表征接受的输入是标准化的人脸图像，通过特征建模得到向量化的人脸特征，最后通过分类器判别得到识别的结果，关键是得到对于不同人脸有区分度的特征，一般通过一个人的眉形、脸轮廓、鼻子形状、眼睛的形状等。由于目前的人脸识别算法都是采用完整的人脸图像进行训练与识别，因此存在被口罩遮挡的人脸无法得到完整的特征信息，比如鼻子形状和嘴部信息，在缺乏大量特征信息的情况下很难识别出结果。

传统的遮挡人脸识别方法有子空间回归、鲁棒误差编码与鲁棒特征提取等三类。子空间回归方法将不同的类别的人脸划分为不同的子空间，遮挡是一个独立的子空间，那么有遮挡的人脸图像是不含遮挡的人脸与遮挡的叠加，就可以把有遮挡人脸图像识别问题视作无遮挡人脸图像和遮挡各自回归到它们所属的子空间问题，子空间回归方法中最具有代表性的方法是稀疏表示分类方法和协同表示方法，子空间回归方法的难点在于遮挡子空间的构建。

鲁棒误差编码方法主要包括“加法模型”和“乘法模型”。“加法模型”认为有遮挡图像是原始的不含遮挡的人脸图像与由遮挡引发的误差e的合成体，即 y＝y0+e，着重考虑是如何将误差e从y中分离出来。“乘法模型”将有遮挡的图像看成无遮挡的y0与遮挡的拼接，并且只有y0可以精确重构。着重考虑如何分离其有遮挡区域和无遮挡区域。

鲁棒特征提取，一副人脸图像所包含的特征通常极为丰富，既包括颜色、亮度、纹理和方向等低阶特征，也包括姿态、表情、年龄和人种等高阶特征，鲁棒的特征提取方法就是需要对这些特征进行分解。

这些遮挡人脸识别算法各有长处，但是当人脸的大部分特征信息被口罩遮挡后，很难得到精确的识别结果，并且大部分算法无法检测到人脸，所以也无法进行下一步的人脸识别。本发明通过口罩部分信息使用人脸特点替换，因此在遮挡情况下也能够进行正常的人脸检测与识别。

目前也有技术采用有遮挡的人脸与无遮挡的人脸作为训练集，来重新训练开发一个新的人脸识别方法，这种方法能够有效提高在遮挡情况下的人脸识别准确度，缺点是需要重新训练一个新的算法，开发难度较大，本发明能够兼容目前的人脸识别系统，无需重新开发现有的算法，可以在现有的算法过程进行迁移训练，大大降低了算法开发的难度。

戴上口罩后，鼻子、嘴巴等五官信息被遮挡，人脸面部可用于辨别的信息会大幅减少，脸部的轮廓等可辨识信息也在物理分布上发生较大变化，本发明对口罩遮挡部分图像进行动态处理，切割口罩部分拼接人脸，脸部特征图和嘴部特定图进行融合，这样能够得到完整的脸部信息，使用已用人脸数据进行详细匹配，解决了被遮挡人脸大部分的特征信息丢失的难题。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于图像拼接的人脸识别方法、装置及介质，用于得到佩戴口罩的完整脸部图像，使用已用人脸数据进行详细匹配，解决了被遮挡人脸大部分的特征信息丢失的难题。