[发明专利]人脸识别方法及装置有效

专利信息
申请号: 201910220321.5 申请日: 2019-03-22
公开(公告)号: CN109934198B 公开(公告)日: 2021-05-14
发明(设计)人: 于志鹏 申请(专利权)人: 北京市商汤科技开发有限公司
主分类号: G06K9/00 分类号: G06K9/00
代理公司: 广州三环专利商标代理有限公司 44202 代理人: 郝传鑫;熊永强
地址: 100084 北京市海淀区中*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 识别 方法 装置
【说明书】:

本申请公开了一种人脸识别方法及装置。该方法包括:获得取待识别图像;基于跨模态人脸识别网络对所述待识别图像进行识别,得到所述待识别图像的识别结果,其中,所述跨模态人脸识别网络基于不同模态的人脸图像数据训练得到。还公开了相应的装置。本实施例通过由按类别划分的图像集训练神经网络得到跨模态人脸识别网络,通过跨模态人脸识别网络对各个类别的对象是否是同一个人进行识别,可提高识别准确率。

技术领域

本申请涉及图像处理技术领域,尤其涉及一种人脸识别方法及装置。

背景技术

安防、社保、通信等领域需要识别不同图像中包括的人物对象是否是同一个人,以实现面部跟踪、实名认证、手机解锁等操作。目前,通过人脸识别算法对不同图像中的人物对象分别进行人脸识别,可识别不同图像中包括的人物对象是否是同一个人,但识别准确率较低。

发明内容

本申请提供一种人脸识别方法,以识别不同图像中的人物对象是否是同一个人。

第一方面,提供了一种人脸识别方法,包括:获得取待识别图像;基于跨模态人脸识别网络对所述待识别图像进行识别,得到所述待识别图像的识别结果,其中,所述跨模态人脸识别网络基于不同模态的人脸图像数据训练得到。

在一种可能实现的方式中,所述基于不同模态的人脸图像数据训练得到所述跨模态人脸识别网络的过程,包括:基于第一模态网络和第二模态网络进行训练得到所述跨模态人脸识别网络。

在另一种可能实现的方式中,在所述基于第一模态网络和第二模态网络进行训练得到所述跨模态人脸识别网络之前,还包括:基于第一图像集和第二图像集对所述第一模态网络训练,其中,所述第一图像集中的对象属于第一类别,所述第二图像集中的对象属于第二类别。

在又一种可能实现的方式中,所述基于第一图像集和第二图像集对所述第一模态网络训练,包括:基于所述第一图像集和所述第二图像集对所述第一模态网络进行训练,得到所述第二模态网络;按预设条件从所述第一图像集中选取第一数目的图像,并从所述第二图像集中选取第二数目的图像,并根据所述第一数目的图像和所述第二数目的图像得到第三图像集;基于所述第三图像集对所述第二模态网络进行训练,得到所述跨模态人脸识别网络。

在又一种可能实现的方式中,所述预设条件包括:所述第一数目与所述第二数目相同,所述第一数目与所述第二数目的比值等于所述第一图像集包含的图像数目与所述第二图像集包含的图像数目的比值,所述第一数目与所述第二数目的比值等于所述第一图像集包含的人数与所述第二图像集包含的人数的比值中的任意一种。

在又一种可能实现的方式中,所述第一模态网络包括第一特征提取分支、第二特征提取分支以及第三特征提取分支;所述基于所述第一图像集和所述第二图像集对所述第一模态网络进行训练,得到所述第二模态网络,包括:将所述第一图像集输入至所述第一特征提取分支,并将所述第二图像集输入至所述第二特征提取分支,并将第四图像集输入至所述第三特征提取分支,对所述第一模态网络进行训练,其中,所述第四图像集包括的图像为同一场景下采集的图像或同一采集方式采集的图像;将训练后的第一特征提取分支或训练后的第二特征提取分支或训练后的第三特征提取分支作为所述第二模态网络。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京市商汤科技开发有限公司,未经北京市商汤科技开发有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910220321.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top