[发明专利]一种人脸识别方法、装置及介质

权利要求书

1.一种人脸识别方法，其特征在于，包括：

获取待识别图像；

使用级联卷积神经网络识别所述待识别图像中的人脸；

所述级联卷积神经网络的训练数据包括人脸正样本和人脸负样本，所述人脸正样本包括第一样本和第二样本，所述人脸负样本包括第三样本和第四样本，所述第一样本为人脸标注框所标注的图像片段的集合，所述第二样本为与所述人脸标注框的重合度大于第一阈值且小于1的图像片段的集合，所述第三样本为与所述人脸标注框的重合度为0的图像片段的集合，所述第四样本为与所述人脸标注框的重合度大于0且小于第二阈值的图像片段的集合；所述方法还包括：

获取包括人脸标注框的图像集，所述人脸标注框用于标记图像中人脸的位置；

从第一图像中选取人脸标注框所标注的图像片段、与所述人脸标注框的重合度大于所述第一阈值且小于1的图像片段、与所述人脸标注框的重合度为0的图像片段以及与所述人脸标注框的重合度大于0且小于所述第二阈值的图像片段，得到所述训练数据，所述第一图像为所述图像集中的任一图像；

使用所述训练数据训练待训练级联卷积神经网络，得到所述级联卷积神经网络；

所述级联卷积神经网络由M个卷积神经网络级联而成，所述M个卷积神经网络的复杂度依次增加，所述M为大于或等于3的整数；

所述使用所述训练数据训练待训练级联卷积神经网络，得到所述级联卷积神经网络包括：

使用所述训练数据训练待训练级联卷积神经网络中的第一个卷积神经网络，以及使用第i训练数据训练所述待训练级联卷积神经网络中的第i个卷积神经网络，得到所述级联卷积神经网络，所述i为大于1且小于M+1的整数；

所述第i训练数据包括所述第一样本、所述第三样本和第i-1个卷积神经网络的输出。

2.根据权利要求1所述的方法，其特征在于，所述第i-1个卷积神经网络的输出包括第五样本和第六样本，所述第五样本为标注框与所述人脸标注框的重合度大于第三阈值的图像片段的集合，所述第六样本为标注框与所述人脸标注框的重合度小于第四阈值的图像片段的集合。

3.根据权利要求2所述的方法，其特征在于，所述训练数据包括的人脸正样本与人脸负样本中图像片段数量的比值等于第五阈值，所述训练数据包括的第三样本与第四样本中图像片段数量的比值等于第六阈值。

4.根据权利要求3所述的方法，其特征在于，所述第i训练数据包括的人脸正样本与人脸负样本中图像片段数量的比值等于所述第五阈值，所述第i训练数据包括的人脸负样本中简单样本与复杂样本中图像片段数量的比值等于所述第六阈值，所述简单样本包括所述第三样本和所述第六样本中标注框与所述人脸标注框的重合度等于0的图像片段的集合，所述复杂样本包括所述第六样本中标注框与人脸标注框的重合度大于0且小于所述第四阈值的图像片段的集合。