[发明专利]基于人工智能的人脸识别方法、系统、电子设备及介质

说明书

本发明提出了一种基于人工智能的人脸识别方法、系统、电子设备及介质，涉及人脸识别的技术领域。利用深度相机和红外热成像仪获取图像；提取深度相机拍摄的人脸图像；利用支撑向量机对人脸图像进行深度学习，得到普通参照样本；若图像不符合普通参照样本，则判定位非用户本人；若符合普通参照样本，则识别人脸图像中人脸的外轮廓，生成边界基线，其围成的区域为主要识别区；提取红外热成像仪的红外人脸图像，根据其外轮廓生成红外基线，其围成的区域为红外识别区；将两个识别区进行对比，若两个识别区重叠，判定为用户本人；若主要识别区相对红外识别区含有突出区域，判断非用户本人。其能够防止硅胶仿真面具对人脸是识别的破解，提高了安全性。

技术领域

本发明涉及人脸识别的技术领域，具体而言，涉及基于人工智能的人脸识别方法、系统、电子设备及介质。

背景技术

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。人脸识别通常包括人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。其中，人脸图像匹配与识别的过程是提取的人脸图像的特征数据与底库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。

然而，现有技术中，大多数对于人脸的识别基本采用特征点进行捕捉，而这样的方式依然存在极大的漏洞，例如硅胶仿真面具等等，由此需要一种更为安全的基于人工智能的人脸识别方法。

发明内容

本发明的目的在于提供一种基于人工智能的人脸识别方法，其能够防止硅胶仿真面具对人脸是识别的破解，提高了安全性。

本发明的实施例是这样实现的：

第一方面，本申请实施例提供一种基于人工智能的人脸识别方法，其包括：利用深度相机和红外热成像仪分别获取相同时刻相同角度的待识别图像；提取深度相机拍摄的任一待识别图像中的普通人脸图像；利用支撑向量机对多个普通人脸图像的图像信息进行深度学习，得到普通参照样本；当进行人脸识别时，若待检测的图像不符合普通参照样本，则判定位非用户本人；若待检测的图像符合普通参照样本，则识别人脸图像中人脸的外轮廓，生成与外轮廓重叠的边界基线，边界基线围成的区域定义为主要识别区；提取红外热成像仪拍摄的任一待识别的红外人脸图像，根据红外人脸图像的外轮廓生成与外轮廓重叠的红外基线，红外基线围成的区域定义为红外识别区；将红外识别区和主要识别区进行对比，若主要识别区和红外识别区重叠，则判定为用户本人；若主要识别区相对红外识别区含有突出区域，则判断非用户本人。

在本发明的一些实施例中，利用支撑向量机对多个普通人脸图像的图像信息进行深度学习，得到普通参照样本的步骤包括：利用支持向量机对多个普通人脸图像的眼睛图像、嘴巴图像和鼻子图像进行选取，并根据眼睛图像、嘴巴图像和鼻子图像的各自图像信息以及相互之间的距离进行深度学习，得到普通参照样本。

在本发明的一些实施例中，利用深度相机和红外热成像仪分别获取相同时刻相同角度的待识别图像的步骤包括：利用深度相机和红外热成像仪分别获取相同时刻相同角度待测人物的待识别面部主视图、待识别面部左视图和待识别面部右视图。

在本发明的一些实施例中，将红外识别区和主要识别区进行对比，若主要识别区和红外识别区重叠，则判定为用户本人；若主要识别区相对红外识别区含有突出区域，则判断非用户本人的步骤包括：将待测人物的待识别面部主视图进行对比，若待识别面部主视图的主要识别区相对红外识别区含有突出区域，则判断非用户本人；若待识别面部主视图的主要识别区与红外识别区重叠；将待测人物的待识别面部左视图进行对比，若待识别面部左视图的左要识别区相对红外识别区含有突出区域，则判断非用户本人；若待识别面部左视图的左要识别区与红外识别区重叠；将待测人物的待识别面部右视图进行对比，若待识别面部右视图的右要识别区相对红外识别区含有突出区域，则判断非用户本人；若待识别面部右视图的右要识别区与红外识别区重叠；则判断为用户本人。