[发明专利]一种面部识别方法、装置及其使用的移动终端

说明书

技术领域

本发明涉及图像处理领域，更具体地说，涉及一种面部识别方法、装置及其使用的移动终端。

背景技术

面部检测与识别正在变成一种越来越重要的技术，就这一点而言，面部检测例如可以在生物测定、用户接口、游戏和其它领域(比如在移动领域中创建用于访问社区的上下文)中使用。微处理器计算能力的发展也已经使面部分析功能在移动设备如蜂窝电话和其它智能设备上使用。

为了开发可应用系统，面部检测与识别需要适当的总体速度和高准确度。卷积神经网络(Convolution NeuralNetwork,CNN)是一种特殊的深层的神经网络模型，它是将人工神经网络和深度学习技术相结合二产生的一种新型人工神经网络方法，具有局部感受区域、层次结构化、特征提取和分类过程相结合的全局训练的特点，在图像识别领域获得了广泛的应用。随着卷积神经网络的近期发展，对于面部检测和面部识别均可以实现极高的准确度。

对于仅检测图像中的面部对象，大多数检测网络例如单次多重检测器(Single Shot MultiBox Detector，SSD)和基于区域的全卷积网络(Region-based Fully ConvolutionalNetwork，R-FCN))的准确度为约90％。对于面部识别，即使是浅层CNN网络也能达到99％的准确度。虽然基于CNN的人脸检测和人脸识别有很好的准确度，但是由于其复杂的卷积运算，现有技术中大多数的应用只在云端的服务器上。

因此，如何在移动终端上实现面部检测与面部识别的结合是本领域技术人员需要解决的问题。

发明内容

本发明的目的在于提供一种面部识别方法、装置及其使用的移动终端，实现了面部检测与面部识别的结合。

为实现上述目的，本发明实施例提供了一种面部识别方法，包括：

接收用户发送的待检测图像；

检测所述待检测图像中是否存在面部图像；

若是，则提取所述面部图像中的目标面部特征；

将所述目标面部特征与特征数据库中的面部特征进行匹配，并得到匹配结果。

其中，所述提取所述面部图像中的目标面部特征，包括：

获取所述面部图像对应的目标边界框；

根据所述目标边界框，将所述面部图像裁剪缩放成预订尺寸的标准目标面部图像；

从所述标准目标面部图像中提取目标面部特征。

其中，所述接收用户发送的待检测图像之前，还包括：

接收待存储面部图像和所述待存储面部图像对应的标记，将所述待存储面部图像裁剪缩放成预订尺寸的标准面部图像；

计算所述标准面部图像的特征序列，并将所述特征序列和所述标记的对应关系存储至特征数据库中。

其中，将所述目标面部特征与特征数据库中的面部特征进行匹配，并得到匹配结果，包括：

计算所述目标面部特征的目标特征序列；

计算所述目标特征序列与特征数据库中所有特征序列的相似度；

判断所述相似度中是否存在大于0的备选相似度；

若是，则将所述备选相似度中的最大值作为目标相似度，并将所述目标相似度对应特征序列的标记确定为匹配结果。

其中，提取所述面部图像中的目标面部特征之前，还包括：

判断所述待检测图像中的面部图像是否达到预设的数量；

若是，则执行提取所述面部图像中的目标面部特征的步骤；

若否，则执行接收用户发送的待检测图像的步骤。

为实现上述目的，本发明实施例提供了一种面部识别装置，包括：

接收模块，用于接收用户发送的待检测图像；

面部检测模块，用于检测所述待检测图像中是否存在面部图像；

特征提取模块，用于当所述待检测图像中存在面部图像时，提取所述面部图像中的目标面部特征；

面部识别模块，用于将所述目标面部特征与特征数据库中的面部特征进行匹配，并得到匹配结果。

其中，所述特征提取模块具体包括：

提取边界单元，用于获取所述面部图像对应的目标边界框；

裁剪单元，用于根据所述目标边界框，将所述面部图像裁剪缩放成预订尺寸的标准目标面部图像；

提取特征单元，用于从所述标准目标面部图像中提取目标面部特征。

其中，还包括：

获取模块，用于接收待存储面部图像和所述待存储面部图像对应的标记，将所述待存储面部图像裁剪缩放成预订尺寸的标准面部图像；