[发明专利]人脸图像处理方法及装置

权利要求书

1.一种人脸图像处理方法，其特征在于，包括：

接收输入的待处理人脸图像；

将所述待处理人脸图像进行归一化处理，得到预设标准尺寸的标准的人脸图像；

将所述标准的人脸图像输入至深度学习的全连接神经网络；

采用已训练的全连接神经网络模型映射出所述待处理人脸图像对应的人脸模板并输出。

2.根据权利要求1所述的人脸图像处理方法，其特征在于，采用如下方式训练所述全连接神经网络模型：

获取训练样本人脸图像集；

将所述训练样本人脸图像集中的所有训练样本人脸图像分别进行归一化处理，分别得到各训练样本人脸图像对应的所述标准尺寸的标准的人脸图像，作为所述训练样本人脸图像集对应的标准人脸图像集；

将所述标准人脸图像集进行分组并按组依次对所述全连接神经网络进行训练，且将下一分组中的各标准人脸图像输入至当前分组训练后的所述全连接神经网络，直至所有分组参与对所述全连接神经网络进行训练，作为一个训练周期；采用所述训练样本人脸图像集对所述全连接神经网络进行预设训练周期的迭代训练，得到所述全连接神经网络模型。

3.根据权利要求2所述的人脸图像处理方法，其特征在于，所述将所述标准人脸图像集进行分组并按组依次对所述全连接神经网络进行训练，包括：

分别从第i组各训练样本人脸图像对应的标准的人脸图像中提取第一人脸模板，i为正整数；

向所述全连接神经网络中分别输入所述第i组各训练样本人脸图像对应的标准的人脸图像，得到所述全连接神经网络输出的所述第i组各训练样本人脸图像对应的第二人脸模板；

分别计算所述第i组各训练样本人脸图像的第二人脸模板与第一人脸模板的距离并求和，得到所述第i组各训练样本人脸图像所对应的第二人脸模板与第一人脸模板的距离之和；

根据计算得到的所述第i组各训练样本人脸图像所对应的第二人脸模板与第一人脸模板距离之和，对所述全连接神经网络中各全连接层对应的权重进行调整；

向调整后的全连接神经网络输入第i+1组各训练样本人脸图像对应的标准的人脸图像，采用所述第i+1组各训练样本人脸图像对所述全连接神经网络进行训练。

4.根据权利要求3所述的人脸图像处理方法，其特征在于，采用欧式距离损失函数分别计算所述第i组各训练样本人脸图像的第二人脸模板与所述第一人脸模板的距离。

5.根据权利要求2所述的人脸图像处理方法，其特征在于，所述获取训练样本人脸图像集，包括：

获取训练样本图像集，对所述训练样本图像集中的各训练样本图像进行人脸图像检测；

当所述训练样本图像中存在人脸图像时，进行人脸特征定位；

根据定位结果，获取所述训练样本人脸图像，以得到所述训练样本人脸图像集。

6.根据权利要求2所述的人脸图像处理方法，其特征在于，所述将所述训练样本人脸图像集中的所有训练样本人脸图像分别进行归一化处理，包括：

将所述训练样本人脸图像进行旋转操作，使得所述训练样本人脸图像中的人眼按照预设方向进行显示；

将所述训练样本人脸图像进行缩放处理，使得所述训练样本人脸图像中的眼距调整为预设距离，所述预设距离与所述标准尺寸相关，所述眼距指两眼的内眼角之间的距离；

获取人脸图像标识点及裁剪信息，并根据人脸图像标识点及裁剪信息对处理后的训练样本人脸图像进行裁剪。

7.根据权利要求6所述的人脸图像处理方法，其特征在于，所述将所述待处理人脸图像进行归一化处理，包括：

将所述待处理人脸图像进行旋转操作，使得所述训练样本人脸图像中的人眼按照所述预设方向进行显示；

将所述待处理人脸图像进行缩放处理，使得所述训练样本人脸图像中的眼距调整为所述预设距离，所述预设距离与所述标准尺寸相关，所述眼距指两眼的内眼角之间的距离；

获取所述人脸图像标识点及所述裁剪信息，并根据所述人脸图像标识点及所述裁剪信息对处理后的待处理人脸图像进行裁剪。

8.根据权利要求1所述的人脸图像处理方法，其特征在于，还包括：

当所述待处理人脸图像对应的人脸模板与所存储的人脸模板相似度值超过预设阈值时，发出告警提醒。