[发明专利]一种人脸识别方法及装置

权利要求书

1.一种人脸识别方法，其特征在于，包括：

获取图像采集设备采集的当前待识别人脸图像，并提取所述待识别人脸图像的Haar特征，根据所述Haar特征利用ADaBoost分类器检测所述待识别人脸图像的人脸区域，以获取人脸区域图像；

利用卷积神经网络模型对所述人脸区域图像进行多尺度特征提取，以获取所述人脸区域图像的特征向量；

将所述特征向量、预先构建合法人脸数据库、预设用户相似度阈值输入预先基于Softmax损失函数及Triplet损失函数构建的多任务学习模型中，根据所述多任务学习模型的输出值以判定所述待识别人脸图像是否为合法用户；

所述根据所述多任务学习模型的输出值以判定所述待识别人脸图像是否为合法用户包括：

接收用户输入的权衡因子，根据所述权衡因子对所述多任务学习模型进行设置；

根据所述权衡因子的执行多任务学习模型中的各个单任务，根据各个所述单任务的输出，以判定所述待识别人脸图像是否为合法用户；

其中，所述根据所述权衡因子的执行多任务学习模型中的各个单任务，根据各个所述单任务的输出，以判定所述待识别人脸图像是否为合法用户包括：

当所述权衡因子不为0或1时，根据所述特征向量判定所述待识别人脸图像为真人脸后；根据所述人脸区域图像在所述合法人脸数据库进行匹配，以获取相似人脸图像，当所述人脸区域图像与所述相似人脸图像满足预设相似条件时，则判定所述待识别人脸图像为合法用户；

当所述权衡因子为0时，根据所述特征向量及Softmax函数判断所述待识别人脸图像为真人脸还是伪人脸；当所述Softmax函数输出为1时，判定所述待识别人脸图像为真人脸，以用于表示当前待识别人脸为合法用户；所述Softmax函数为经过所述Softmax损失函数训练所得；

当所述权衡因子为1时，根据所述特征向量在所述合法人脸数据库中匹配与所述待识别人脸图像相似的目标人脸图像；计算所述待识别人脸图像与所述目标人脸图像的余弦相似度；当所述余弦相似度不小于预设用户相似度阈值时，则判定所述待识别人脸图像为合法用户；所述预设用户相似度阈值与所述目标人脸图像相对应。

2.根据权利要求1所述的人脸识别方法，其特征在于，利用卷积神经网络模型对所述人脸区域图像进行多尺度特征提取，以获取所述人脸区域图像的特征向量包括：

利用卷积核为7*7的第一卷积层对所述人脸区域图像进行特征提取；

将上述卷积结果依次利用卷积核为1*1、3*3、5*5第二卷积层的三层进行特征提取，并将每一层的卷积结果进行特征拼接；

将经过特征拼接的卷积结果再依次利用卷积核为1*1、3*3、5*5第三卷积层的三层进行特征提取，并将每一层的卷积结果进行特征拼接；

利用Maxout激活函数，根据经过特征拼接的卷积结果得到所述人脸区域图像的特征向量。

3.根据权利要求2所述的人脸识别方法，其特征在于，在所述获取图像采集设备采集的当前待识别人脸图像之后，还包括：

对所述待识别人脸图像进行图像灰度变化；

对得到的灰度图进行低通滤波，以去除图像中的背景噪声。

4.根据权利要求3所述的人脸识别方法，其特征在于，在所述利用卷积神经网络模型对所述人脸区域图像进行多尺度特征提取之前，还包括：

对所述人脸区域图像进行归一化处理。

5.一种人脸识别装置，其特征在于，包括：

获取图像模块，用于获取图像采集设备采集的当前待识别人脸图像，并提取所述待识别人脸图像的Haar特征，根据所述Haar特征利用ADaBoost分类器检测所述待识别人脸图像的人脸区域，以获取人脸区域图像；

特征向量提取模块，用于利用卷积神经网络模型对所述人脸区域图像进行多尺度特征提取，以获取所述人脸区域图像的特征向量；

人脸识别模块，用于将所述特征向量、预先构建合法人脸数据库、预设用户相似度阈值输入预先基于Softmax损失函数及Triplet损失函数构建的多任务学习模型中，根据所述多任务学习模型的输出值以判定所述待识别人脸图像是否为合法用户；

所述人脸识别模块包括：

参数设置单元，用于接收用户输入的权衡因子，根据所述权衡因子对所述多任务学习模型进行设置；

人脸识别单元，用于根据所述权衡因子的执行多任务学习模型中的各个单任务，根据各个所述单任务的输出，以判定所述待识别人脸图像是否为合法；

其中，所述人脸识别单元具体用于：

当所述权衡因子不为0或1时，根据所述特征向量判定所述待识别人脸图像为真人脸后；根据所述人脸区域图像在所述合法人脸数据库进行匹配，以获取相似人脸图像，当所述人脸区域图像与所述相似人脸图像满足预设相似条件时，则判定所述待识别人脸图像为合法用户；

当所述权衡因子为0时，根据所述特征向量及Softmax函数判断所述待识别人脸图像为真人脸还是伪人脸；当所述Softmax函数输出为1时，判定所述待识别人脸图像为真人脸，以用于表示当前待识别人脸为合法用户；所述Softmax函数为经过所述Softmax损失函数训练所得；

当所述权衡因子为1时，根据所述特征向量在所述合法人脸数据库中匹配与所述待识别人脸图像相似的目标人脸图像；计算所述待识别人脸图像与所述目标人脸图像的余弦相似度；当所述余弦相似度不小于预设用户相似度阈值时，则判定所述待识别人脸图像为合法用户；所述预设用户相似度阈值与所述目标人脸图像相对应。