[发明专利]一种人脸识别方法、装置及介质

说明书

本发明实施例提供一种人脸识别方法及装置，该方法包括：获取待识别图像；使用级联卷积神经网络识别待识别图像中的人脸；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，人脸正样本包括第一样本和第二样本，人脸负样本包括第三样本和第四样本，第一样本为人脸标注框所标注的图像片段的集合，第二样本为与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，第三样本为与人脸标注框的重合度为0的图像片段的集合，第四样本为与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。实施本发明实施例，可以平衡人脸识别效率和人脸识别准确性。

技术领域

本发明涉及人脸识别技术领域，具体涉及一种人脸识别方法及装置。

背景技术

为了在提高图像检测准确性的同时不影响图像检测效率，业界引入了级联卷积神经网络。训练级联卷积神经网络的样本包括人脸正样本和人脸负样本，人脸正样本和人脸负样本的选取是随机的。由于随机选取的样本的难易程度未知，训练的级联卷积神经网络要么过滤能力太差，以致很多非人脸图像会被识别为人脸图像，降低了人脸识别效率，要么过滤能力太强，以致很多人脸图像被过滤掉，降低了人脸识别准确性。

发明内容

本发明实施例提供一种人脸识别方法及装置，用于平衡人脸识别效率和人脸识别准确性。

本发明实施例第一方面提供一种人脸识别方法，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。

可见，用于识别人脸的级联卷积神经网络的训练数据包括简单的人脸正样本(即第一样本)、简单的人脸负样本(即第三样本)、复杂的人脸正样本 (即第二样本)和复杂的人脸负样本(即第四样本)，因此，可以使训练得到的级联卷积神经网络的过滤能力即不会太差也不会太强，从而可以平衡级联卷积神经网络的人脸识别效率和人脸识别准确性。

在一个实施例中，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。

可见，从同一图像中提取训练数据时，即提取了简单的人脸正样本和简单的人脸负样本，也提取了复杂的人脸正样本和复杂的人脸负样本。

在一个实施例中，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。

在一个实施例中，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。