[发明专利]一种人脸识别方法、装置、设备及可读存储介质

权利要求书

1.一种人脸识别方法，其特征在于，包括：

获取待识别人员的人脸图像，将所述人脸图像输入至目标网络模型中，获得所述人脸的目标群类别标签和特征数据；

从数据库中读取具有所述目标群类别标签且已标记人员身份信息的人脸图像特征数据；

将所述特征数据与所述人脸图像特征数据进行比对，并根据比对结果确定所述待识别人员的身份信息。

2.根据权利要求1所述的人脸识别方法，其特征在于，在所述获取待识别人员的人脸图像之前，还包括：

获取已标记所述人员身份信息的人脸图像样本集；

利用所述目标网络模型提取所述人脸图像样本集中各个人脸图像样本的人脸特征数据和人脸群类别标签；

将所述人脸特征数据按照所述人脸群类别标签分别存入所述数据库中。

3.根据权利要求2所述的人脸识别方法，其特征在于，在所述获取待识别人员的人脸图像之前，还包括：

获取初始人脸图像训练集，并从所述初始人脸训练集中随机选择目标子集；

利用所述初始人脸图像训练集中的样本数量和所述目标子集中人脸特征数据确定中心数量和初始中心；

利用IndexIVFKmeans方法，结合所述中心数量和所述初始中心进行模型训练，获得用于标记人脸群类别标签的群标签标记模型；

将所述初始人脸图像训练集输入至所述群标签标记模型中，获得用于训练所述目标网络模型的目标人脸图像训练集。

4.根据权利要求2所述的人脸识别方法，其特征在于，所述利用IndexIVFKmeans方法，结合所述中心数量和所述初始中心进行模型训练，包括：

在同时出现强势点和孤立点时，以所述强势点与所述孤立点的最短连线为直径的圆内随机选择两个点替代所述强势点和所述孤立点。

5.根据权利要求1所述的人脸识别方法，其特征在于，所述目标网络的训练过程，包括：

利用第一损失函数对预设网络进行训练，获得初始网络模型数据；

调整学习率，并在所述初始网络模型数据的基础上添加第二损失函数进行网络训练，获得目标网络模型数据。

6.根据权利要求5所述的人脸识别方法，其特征在于，在所述初始网络模型数据的基础上添加第二损失函数进行网络训练，获得目标网络模型数据，包括：

将样本划分为困难样本和一般样本，并为所述困难样本设置第一权重，为所述一般样本设置第二权重；其中，所述困难样本为同类样本之间的距离大于或等于不同类样本之间距离的样本；

利用所述第一权重和所述第二权重对所述第二损失函数进行调整，获得第三损失函数；

利用所述第三损失函数对所述初始网络进行训练，获得所述目标网络。

7.根据权利要求1至5任一项所述的人脸识别方法，其特征在于，所述获取待识别人员的人脸图像，包括：

从监控场景中检测所述待识别人员的人脸位置和人脸大小，并利用所述人脸位置和所述人脸大小确定原始人脸图像；

对所述原始人脸图像进行关键点定位，并根据定位结果进行归一化，获得所述人脸图像。

8.一种人脸识别装置，其特征在于，包括：

图像信息获取模块，用于获取待识别人员的人脸图像，将所述人脸图像输入至目标网络模型中，获得所述人脸的目标群类别标签和特征数据；

比对数据筛选模块，用于从数据库中读取具有所述目标群类别标签且已标记人员身份信息的人脸图像特征数据；

比对识别模块，用于将所述特征数据与所述人脸图像特征数据进行比对，并根据比对结果确定所述待识别人员的身份信息。

9.一种人脸识别设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述人脸识别方法的步骤。

10.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述人脸识别方法的步骤。