[发明专利]基于多图像输入的人脸识别方法及装置

说明书

技术领域

本发明涉及生物识别技术领域，特别地，涉及一种基于多图像输入的人脸识别方法及装置。

背景技术

近年来随着社会进步对自动身份认证的迫切需求，以及生物特征识别技术的快速发展，脸部特征作为人体的内在属性之一，具有较强的自身稳定性及个体差异性；而人脸识别具有直接、方便的特点，易于用户接受，且人脸识别技术还能进一步得到关于性别、表情、年龄等更多属性信息。

当前基于人工设置提取特征(如角点、轮廓特征等)的传统方式的人脸识别技术，由于受光照、遮挡、姿态等外在因素影响较大，无法准确描述人脸特征，因而无法取得较好的人脸识别效果；随着深度学习技术的出现，人脸识别效果提升到了一个新的阶段，在一定程度上减小了光照、姿态对人脸识别效果的影响，在限制性环境下(光照、姿态可控)取得了较传统识别方法更好的识别结果。

当前人脸识别主要基于单张人脸图像与留底模板照比对，通过阈值判断是否属于同一个人，然而外部环境较为复杂多样，仅通过单张人脸作为认证照对图像质量(包含姿态、光照、是否有眼镜、口罩、帽子等遮挡)要求较高，在监控等非限制性环境中往往难以满足一次性获取较为清晰的高质量人脸图像，为解决这一难点，近来提出了基于多张人脸图像作为认证输入的人脸识别方法。

如CN105956518A公开了一种人脸识别方法，通过获取待识别对象多张不同视角的人脸图像，并分别从该多张不同人脸图像中提取人脸特征信息，得到待识别对象的人脸特征信息组，然后，基于该人脸特征信息组对待识别对象的人脸进行识别。其虽然采用多张不同视角的人脸图像，但需要对每张图像单独提取人脸特征向量，形成人脸特征向量组，再根据人脸特征向量组对待识别对象的人脸进行识别，其需要对每张人脸图像分别单独进行特征提取，特征稳定性容易受到影响，且识别效率有待提高。故亟需设计一种适用于多图像输入的人脸识别方法，以改善无法单次获取清晰高质量人脸图像的非限制性环境中的人脸识别需求的难题。

发明内容

本发明提供了一种基于多图像输入的人脸识别方法及装置，以解决现有的无法单次获取清晰高质量人脸图像的非限制性环境中的人脸识别效率及质量有待改善的技术问题。

本发明采用的技术方案如下：

根据本发明的一个方面，提供一种基于多图像输入的人脸识别方法，本发明人脸识别方法包括：

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多个人脸图像进行特征提取得到中间特征；

对中间特征进行特征合并及融合，得到多图像融合特征；

计算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。

进一步地，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。

进一步地，对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。

进一步地，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，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；

对原始人脸图像进行规整化处理，得到预处理后的人脸图像。

进一步地，对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。

进一步地，预设模板照特征为多张证件照经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。

根据本发明的另一方面，还提供一种基于多图像输入的人脸识别装置，本发明人脸识别装置包括：

图像接收单元，用于接收待识别对象对应的多个人脸图像；