[发明专利]基于多图像输入的人脸识别方法及装置

权利要求书

1.一种基于多图像输入的人脸识别方法，其特征在于，包括：

接收待识别对象对应的多个人脸图像；

经多图像共享网络参数对接收的所述多个人脸图像进行特征提取得到中间特征；

对所述中间特征进行特征合并及融合，得到多图像融合特征；

计算所述多图像融合特征与预设模板照特征的距离阈值，根据该距离阈值得到人脸识别结果。

2.根据权利要求1所述的基于多图像输入的人脸识别方法，其特征在于，

所述多图像共享网络参数为多个人脸图像共用的多层堆叠卷积神经网络对应的底层参数。

3.根据权利要求1所述的基于多图像输入的人脸识别方法，其特征在于，

对所述中间特征进行特征合并及融合，得到多图像融合特征的步骤包括：

将经多层堆叠卷积神经网络获得的与多张人脸图像对应的中间特征联合在一起得到第二级特征，即第一级输出的单人脸特征假定特征长度为L，M张人脸图像作为输入，则联合后对应的第二级特征长度为M*L，并不改变第一级特征的值；

将联合后的第二级特征作为第三级特征的输入，在更高层进行卷积运算，此时网络参数训练融合了第一级的M张人脸的特征信息，并通过训练提取更显著的目标特征，在卷积层之后连接full-connect层作为网络最终输出特征，从而得到多图像融合特征，完成了多张人脸图像的端到端自适应学习。

4.根据权利要求1所述的基于多图像输入的人脸识别方法，其特征在于，

接收待识别对象对应的多个人脸图像包括：

接收待识别对象对应的多个原始人脸图像，其中，所述原始人脸图像包括对应不同时间、不同姿态、不同光照环境、不同遮挡条件中一种或者多种对应的图像；

对所述原始人脸图像进行规整化处理，得到预处理后的人脸图像。

5.根据权利要求4所述的基于多图像输入的人脸识别方法，其特征在于，

对所述原始人脸图像进行规整化处理包括：

检测人脸，并定位人脸关键特征点；

利用双眼特征点的横向斜率定位人脸倾斜角度，并将整体人脸图像旋转；

裁剪旋转之后的人脸区域；

对人脸图像进行光照均衡化调整；

将人脸图像归一化到预定的图像大小。

6.根据权利要求1至5任一所述的基于多图像输入的人脸识别方法，其特征在于，

所述预设模板照特征为多张证件照经所述多图像共享网络参数进行特征提取及后续的特征合并及融合后得到的特征向量。

7.一种基于多图像输入的人脸识别装置，其特征在于，包括：

图像接收单元，用于接收待识别对象对应的多个人脸图像；

特征提取单元，用于经多图像共享网络参数对接收的所述多个人脸图像进行特征提取得到中间特征；

特征融合单元，用于对所述中间特征进行特征合并及融合，得到多图像融合特征；

认证单元，用于计算所述多图像融合特征与预设模板照特征的距离阈值，根据该距离阈值得到人脸识别结果。

8.根据权利要求7所述的基于多图像输入的人脸识别装置，其特征在于，

所述特征融合单元包括：

特征合并子单元，用于将经多层堆叠卷积神经网络获得的与多张人脸图像对应的中间特征联合在一起得到第二级特征，即第一级输出的单人脸特征假定特征长度为L，M张人脸图像作为输入，则联合后对应的第二级特征长度为M*L，并不改变第一级特征的值；

多图像融合特征生成子单元，用于将联合后的第二级特征作为第三级特征的输入，在更高层进行卷积运算，此时网络参数训练融合了第一级的M张人脸的特征信息，并通过训练提取更显著的目标特征，在卷积层之后连接full-connect层作为网络最终输出特征，从而得到多图像融合特征，完成了多张人脸图像的端到端自适应学习。

9.根据权利要求7所述的基于多图像输入的人脸识别装置，其特征在于，

所述图像接收单元包括：

接收子单元，用于接收待识别对象对应的多个原始人脸图像，其中，所述原始人脸图像包括对应不同时间、不同姿态、不同光照环境、不同遮挡条件中一种或者多种的图像；

规整化处理子单元，用于对所述原始人脸图像进行规整化处理，得到预处理后的人脸图像。

10.根据权利要求7所述的基于多图像输入的人脸识别装置，其特征在于，还包括：

特征生成单元，用于以多张证件照经所述多图像共享网络参数进行特征提取及后续的特征合并及融合得到作为所述预设模板照特征的特征向量。