[发明专利]一种人脸识别方法、装置、系统及计算机存储介质

权利要求书

1.一种人脸识别方法，其特征在于，所述方法包括：

获取人脸图片序列，所述人脸图片序列包括至少2张人脸图片；

根据所述人脸图片的模糊程度F和人脸的角度θ评估所述人脸图片的质量因素Q；

根据所述质量因素Q选取n张人脸图片进行特征提取，n≥2，并将所述质量因素Q作为权重，基于提取的特征生成平均特征T；

将所述平均特征T在人脸底库中进行搜索得到首位结果A，并根据所述首位结果A以及投票阈值判断是否进行投票；

若是则根据所述n张人脸图片提取的特征在人脸底库中进行搜索得到的n个首位结果Bi，i＝1,2……n，以及所述首位结果A进行投票以得到人脸识别结果；

所述投票以得到人脸识别结果还包括：

对所述n个首位结果Bi进行投票，如果Bi＝A则票数P加1；

当投票率P/n大于或等于投票率阈值时，得到人脸识别结果为首位结果A；

当投票率P/n小于投票率阈值时，得到人脸识别结果为无。

2.如权利要求1中所述的人脸识别方法，其特征在于，所述判断是否进行投票还包括：

如果所述首位结果A在人脸底库中搜索的得分小于投票阈值，则跳过，得到人脸识别结果为无；如果所述得分大于或等于所述投票阈值则进行投票。

3.如权利要求1所述的人脸识别方法，其特征在于，所述生成平均特征T还包括：

根据所述质量因素Q由大到小排序，选取前n张人脸图片作为高质量人脸图片，n≥2；

对n张所述高质量人脸图片进行特征提取，并将所述质量因素Q作为权重，基于对n张所述高质量人脸图片提取的特征生成平均特征T。

4.如权利要求1所述的人脸识别方法，其特征在于，所述评估所述人脸图片的质量因素Q还包括：

基于神经网络模型获取所述人脸图片的模糊程度F和人脸的角度θ，用来评估所述人脸图片的质量因素Q。

5.如权利要求4所述的人脸识别方法，其特征在于，所述人脸的角度包括俯仰角θf和偏转角θp，所述俯仰角θf是人脸的俯仰旋转角度，所述偏转角θp是人脸的左右旋转角度，θf∈[-π，π]，θp∈[-π，π]。

6.如权利要求1-5中任一项所述的人脸识别方法，其特征在于，所述获取人脸图片序列还包括：

接收视频数据；

对所述视频数据进行视频图像分帧，并对每帧图像进行人脸检测和跟踪，生成包括至少2张人脸图片的人脸图片序列。

7.一种人脸识别装置，其特征在于，所述装置包括：

人脸图片序列生成模块，用于生成人脸图片序列，所述人脸图片序列包括至少2张人脸图片；

质量因素评估模块，用于根据所述人脸图片的模糊程度F和人脸的角度θ评估所述人脸图片的质量因素Q；

平均特征生成模块，用于根据所述质量因素Q选取n张人脸图片进行特征提取，n≥2，并将所述质量因素Q作为权重，基于提取的特征生成平均特征T；

搜索模块，用于将所述平均特征T在人脸底库中进行搜索或将所述平均特征T和所述n张人脸图片提取的特征均在人脸底库中进行搜索；

判断模块，用于根据所述平均特征T的搜索结果及投票阈值判断是否进行投票；

投票模块，用于根据所述搜索模块的结果进行投票以得到人脸识别结果；

所述搜索模块还包括：当所述判断模块判断进行投票时，将所述n张人脸图片提取的特征在人脸底库中进行搜索得到n个首位结果Bi，i＝1,2……n，及将所述平均特征T在人脸底库中进行搜索得到首位结果A；

投票模块进一步地包括：计票模块用于对所述n个首位结果Bi进行投票，如果Bi＝A则票数P加1；确认模块用于当投票率P/n大于或等于投票率阈值时，得到人脸识别结果为首位结果A；当投票率P/n小于投票率阈值时，得到人脸识别结果为无。

8.一种人脸识别系统，包括存储器、处理器及存储在所述存储器上且在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。

9.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被计算机执行时实现权利要求1至6中任一项所述方法的步骤。