[发明专利]图像识别方法及装置

说明书

本发明公开了一种图像识别方法及装置。其中，该方法包括：获取至少一种人脸识别算法；分别对至少一种人脸识别算法赋对应的权重，确定至少一种人脸识别算法的权重值；通过比较至少一种人脸识别算法识别预设图像的初始识别结果与预设识别结果，确定至少一种人脸识别算法的相似度值；根据至少一种人脸识别算法的权重值和相似度值，对至少一种人脸识别算法的初始识别结果进行融合处理，得到识别预设图像的识别结果。本发明解决了采用多种识别算法对人脸图像进行识别时，存在识别准确性较低的技术问题。

技术领域

本发明涉及人脸识别技术领域，具体而言，涉及一种图像识别方法及装置。

背景技术

人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术，属于现阶段应用比较广泛的人工智能生物识别方法，也叫做人像识别，面部识别。随着人工智能技术和计算机识别技术的发展，人脸识别技术已经广泛应用于各个领域，而且随着技术的进一步成熟和社会认同度的提高，人脸识别技术将应用在更多的领域。

但是，在人脸识别的应用过程中，不同的应用场景需要应用不同的人脸识别算法。例如，在办公室场景，光照条件稳定，人脸的光照均匀正常，一般不会出现过暗或者过亮的场景，但人口密度多，人脸遮挡的情况会经常发生，并且由于同事之间的交谈，所以人脸角度多样化，该场景下的人脸识别算法会针对人脸遮挡和人脸角度做优化，使该算法对人脸遮挡和人脸角度的鲁棒性会更好；而在室外监控场景下做人脸识别时，室外人口密度相对较小，所以人脸遮挡情况少，摄像头相对较高，图片中人脸角度相对变化小，但是室外由于不同的天气情况，光照不稳定，且中午光照过亮，夜间光照过暗，所以该应用场景下的人脸识别算法会针对人脸光照和亮度优化，使该算法对人脸光照和亮度的鲁棒性算法会更好。

目前，人脸识别系统主要是由人脸识别算法优化实现，现有的已经被普遍运用的识别算法有两种，一种是应用单一算法，但单一算法具有一定的局限性，在应用于具体的应用场景时，会存在场景迁移导致准确度下降的问题，并且，如果将单一的具体场景的算法应用于另一具体场景中，会出现场景变化导致准确度下降的问题。

另一种是提供了一种多算法人脸识别融合系统，根据不同模态的摄像头得到同一张人脸的不同模态的图片，然后每种模态应用特定的算法进行识别，这种方案的弊端在于多模态的图片采集会更复杂，成本更高，并且不同模态的相似度尺度不同，在分数融合阶段难度更高。

基于上述存在的技术问题，目前需要提供一种可以融合多种人脸识别算法进行人脸识别的解决方案。

发明内容

本发明实施例提供了一种图像识别方法及装置，以至少解决采用多种识别算法对人脸图像进行识别时，存在识别准确性较低的技术问题。

根据本发明实施例的一个方面，提供了一种图像识别方法，包括：获取至少一种人脸识别算法；分别对至少一种人脸识别算法赋对应的权重，确定至少一种人脸识别算法的权重值；通过比较至少一种人脸识别算法识别预设图像的初始识别结果与预设识别结果，确定至少一种人脸识别算法的相似度值；根据至少一种人脸识别算法的权重值和相似度值，对至少一种人脸识别算法的初始识别结果进行融合处理，得到识别预设图像的识别结果。

进一步地，获取至少一种人脸识别算法，包括：根据多种人脸识别算法对图像测试集进行测试，确定多种人脸识别算法的测试准确率，其中，图像测试集中包括：预设数量的正样本对和预设数量的负样本对，通过如下公式计算得到测试准确率：ACC＝(TP+TN)÷(NUM_P+NUM_N)，其中，ACC为测试准确率，TP为所有正样本对中识别为同一个人的对数，TN为所有负样本对中识别为不同一个人的对数，NUM_P为正样本对的总数，NUM_N为负样本对的总数；根据多种人脸识别算法的测试准确率的大小，确定至少一种人脸识别算法。

进一步地，在获取至少一种人脸识别算法之前，方法还包括：采集当前场景下的预定数量的人脸图像数据，得到图像测试集。