[发明专利]人脸识别的方法、装置、终端及计算机可读存储介质

权利要求书

1.一种人脸识别的方法，其特征在于，包括：

获取待识别用户的人脸图像；

将所述人脸图像输入至预设的人脸识别模型，得到所述人脸图像对应的人脸特征矩阵，所述人脸特征矩阵包括多维度的人脸特征；

依据人脸特征矩阵与身份信息的对应关系，确定与所述待识别用户的人脸特征矩阵对应的身份信息。

2.根据权利要求1所述的方法，其特征在于，所述将所述人脸图像输入至预设的人脸识别模型，得到所述人脸图像对应的人脸特征矩阵，包括：

通过基于卷积神经网络构建的人脸识别模型，提取所述人脸图像的多维度的人脸特征；

依据所述多维度的人脸特征，生成人脸特征矩阵。

3.根据权利要求1或2所述的方法，其特征在于，基于卷积神经网络构建人脸识别模型的方法，包括：

对获取到的多个人脸图像进行特征标注，将各个标注特征后的人脸图像作为样本数据；

对各个样本数据中标注特征后的人脸图像进行数量扩充，得到各个样本数据对应的样本数据集；

随机选取属于同一样本数据集的人脸图像作为正样本，随机选取属于不同样本数据集的人脸图像作为负样本；

依据所述正样本和负样本，确定训练样本，所述训练样本中包括两个正样本和一个负样本，或两个负样本和一个正样本；

将所述训练样本输入至多层卷积神经网络模型进行训练，得到三个输出结果；

通过预设的三元损失函数对所述三个输出结果进行比较，若所述三元损失函数小于预设阈值，训练结束，得到人脸识别模型，否则将所述训练样本重新输入至多层卷积神经网络模型进行训练，在重新训练之前通过反向算法，对所述多层卷积神经网络模型的各个权重进行调节。

4.根据权利要求3所述的方法，其特征在于，所述三个输出结果包括第一输出结果，第二输出结果和第三输出结果；

所述通过预设的三元损失函数对所述三个输出结果进行比较，若所述三元损失函数小于预设阈值，训练结束，得到人脸识别模型，包括：

确定所述第一输出结果与所述第二输出结果的之间的第一距离，及所述第一输出结果与所述第三输出结果之间的第二距离；

通过预设三元损失函数对所述第一距离和所述第二距离进行比较，若所述三元损失函数小于预设阈值，训练结束，得到人脸识别模型。

5.根据权利要求4所述的方法，其特征在于，所述通过预设的三元损失函数对所述第一距离和所述第二距离进行比较，若所述三元损失函数小于预设阈值，训练结束，得到人脸识别模型，包括：

依据所述预设的三元损失函数中的预设变量参数，确定所述第一距离和第二距离的间隔值；

调节所述预设变量参数，直至所述间隔值满足预设条件时，训练结束，得到人脸识别模型。

6.根据权利要求1所述的方法，其特征在于，所述依据人脸特征矩阵与身份信息的对应关系，确定与所述待识别用户的人脸特征矩阵对应的身份信息，包括：

将所述人脸特征矩阵与预设的数据库中的多个人脸特征矩阵进行匹配，得到匹配到的人脸特征矩阵；

依据人脸特征矩阵与身份信息的对应关系，确定与所述匹配到的人脸特征矩阵对应的身份信息。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

依据所述身份信息，确定所述身份信息对应的用户行为信息；

生成对应所述用户行为信息的产品推荐信息。

8.一种人脸识别的装置，其特征在于，包括：

人脸图像获取模块，用于获取待识别用户的人脸图像；

人脸特征矩阵识别模块，用于将所述人脸图像输入至预设的人脸识别模型，得到所述人脸图像对应的人脸特征矩阵，所述人脸特征矩阵包括多维度的人脸特征；

身份信息确认模块，用于依据人脸特征矩阵与身份信息的对应关系，确定与所述待识别用户的人脸特征矩阵对应的身份信息。