[发明专利]人脸识别处理方法、装置以及移动终端

权利要求书

1.一种人脸识别处理方法，其特征在于，包括以下步骤：

接收待处理的人脸图像，确定与所述人脸图像对应的姿态适应关键点；

采用经过训练的卷积网络对所述人脸图像进行卷积处理，其中，网络结构中各类层的数量与终端设备的处理资源相匹配，所述各类层的参数具有姿态鲁棒性；

根据所述姿态适应关键点对从所述卷积网络中第一节点输出的第一特征图进行姿态鲁棒处理，生成具有姿态鲁棒响应的第二特征图，并通过与所述第一节点相邻的第二节点发送回所述卷积网络，以使所述卷积网络根据所述第二特征图提取与所述人脸图像对应的人脸特征；

其中，所述根据所述姿态适应关键点对从所述卷积网络中第一节点输出的第一特征图进行姿态鲁棒处理，包括：

在所述第一特征图中以所述姿态适应关键点为中心生成局部窗口；

在所述局部窗口内整合数据生成具有姿态鲁棒响应的第二特征图。

2.如权利要求1所述的人脸识别处理方法，其特征在于，所述各类层的参数还具有光照鲁棒性，所述接收待处理的人脸图像之后，所述方法还包括：

对所述待处理的人脸图像进行光照鲁棒处理，生成具有光照鲁棒响应的第三特征图；

所述采用经过训练的卷积网络对所述人脸图像进行卷积处理，包括：

采用经过训练的卷积网络对所述第三特征图进行卷积处理。

3.如权利要求2所述的人脸识别处理方法，其特征在于，所述光照鲁棒处理，包括：

采用多尺度窗口对所述人脸图像中的像素进行局部归一化处理；

或者，

采用局部二值模式LBP对所述人脸图像进行编码处理。

4.如权利要求2所述的人脸识别处理方法，其特征在于，所述方法还包括：

接收人脸图像训练集和人脸类别标签训练集，并将所述人脸类别标签训练集发送给预设的目标函数；

确定与所述人脸图像训练集中的人脸图像对应的姿态适应关键点；

采用未经过训练且具有所述网络结构的卷积网络对所述人脸图像进行卷积处理；

根据所述姿态适应关键点对从所述卷积网络中第一节点输出的第一特征图进行所述姿态鲁棒处理，生成具有姿态鲁棒响应的第二特征图，并通过与所述第一节点相邻的第二节点发送回所述卷积网络；

采用正向传播和反向传播方式优化所述目标函数，确定所述各类层中具有姿态鲁棒性的参数。

5.如权利要求4所述的人脸识别处理方法，其特征在于，在所述对所述人脸图像进行卷积处理之前，还包括：

对所述人脸训练集中的人脸图像进行所述光照鲁棒处理，生成具有光照鲁棒响应的第三特征图；

所述采用未经过训练且具有所述网络结构的卷积网络对所述人脸图像进行卷积处理，包括：

采用未经过训练且具有所述网络结构的卷积网络对所述第三特征图进行卷积处理；

所述确定所述各类层中具有姿态鲁棒性的参数，包括：

确定所述各类层中具有光照鲁棒性和姿态鲁棒性的参数。

6.如权利要求1所述的人脸识别处理方法，其特征在于，所述待处理的人脸图像包括：待识别的人脸图像和人脸图像注册集，所述方法还包括：

从所述卷积网络的输出端获取与所述待识别的人脸图像对应的第一人脸特征，以及与所述人脸图像注册集对应的第二人脸特征；

应用度量函数评估所述第一人脸特征和所述第二人脸特征的相似度，输出人脸识别结果。

7.如权利要求6所述的人脸识别处理方法，其特征在于，所述度量函数包括：

欧氏距离和余弦相似度。

8.如权利要求6所述的人脸识别处理方法，其特征在于，所述人脸识别结果包括：

当所述人脸图像注册集中的人脸唯一，则根据所述相似度判断是否为同一人；

当所述人脸图像注册集中的人脸不唯一，则根据所述相似度判断所述待识别的人脸图像是否在所述人脸图像注册集中。