[发明专利]一种人脸识别方法、系统及电子设备和存储介质

说明书

本申请公开了一种人脸识别方法、系统及一种电子设备和计算机可读存储介质，该方法包括：获取训练集，并利用特征点回归模型检测所述训练集中的每个人脸图片中人脸区域的的特征点位置；其中，所述人脸图片具体为已标记识别结果的人脸图片；根据所述特征点位置利用预设的扩圈策略对每个所述人脸图片进行扩圈处理；利用扩圈完成的人脸图片训练深度学习模型，以便利用训练完成的深度学习模型识别目标人脸图片。由此可见，本申请提供的人脸识别方法，提高了人脸识别的准确度。

技术领域

本申请涉及人脸识别技术领域，更具体地说，涉及一种人脸识别方法、系统及一种电子设备和一种计算机可读存储介质。

背景技术

对于零售行业门店(如服装店、商店等)需要统计对客流属性分析，主要包括统计到店人流中性别和年龄分布，并制定相应的销售策略。通过摄像设备采集人脸图片，并识别该人脸图片的性别和年龄信息。

在现有技术中，使用人脸图片组成的训练集训练机器学习模型，通过训练完成的学习模型对输入人脸图片进行识别。但在实际的应用场景中，摄像头一般摆放在距离人较远的地方，受实际环境的光线，复杂背景等影响，拍摄的人脸的较小且分辨率不高。基于此训练得到的学习模型对人脸图片识别的准确度较低。

因此，如何提高人脸识别的准确度是本领域技术人员需要解决的技术问题。

发明内容

本申请的目的在于提供一种人脸识别方法、系统及一种电子设备和一种计算机可读存储介质，提高了人脸识别的准确度。

为实现上述目的，本申请提供了一种人脸识别方法，包括：

获取训练集，并利用特征点回归模型检测所述训练集中的每个人脸图片中人脸区域的的特征点位置；其中，所述人脸图片具体为已标记识别结果的人脸图片；

根据所述特征点位置利用预设的扩圈策略对每个所述人脸图片进行扩圈处理；

利用扩圈完成的人脸图片训练深度学习模型，以便利用训练完成的深度学习模型识别目标人脸图片。

其中，所述利用训练完成的深度学习模型识别目标人脸图片，包括：

当接收到所述目标人脸图片时，利用所述特征点回归模型检测所述目标人脸图片中人脸区域的特征点位置；

根据所述特征点位置利用所述扩圈策略对所述目标人脸图片进行扩圈处理；

将扩圈后的图像输入所述训练完成的深度学习模型中，得到所述原始图像对应的人脸识别结果。

其中，所述根据所述特征点位置利用预设的扩圈策略对每个所述人脸图片进行扩圈处理之后，还包括：

调整每个所述人脸图片的尺寸为目标尺寸。

其中，所述人脸图片具体为已标记性别和/或年龄的人脸图片。

其中，所述深度学习模型包括mobilefacenet学习模型。

其中，所述特征点回归模型包括dlib 68特征点回归模型。

其中，所述根据所述特征点位置利用预设的扩圈策略对每个所述人脸图片进行扩圈处理，包括：

根据每个所述人脸图片中的所述特征点位置确定两眼间距；

将每个所述人脸图片的左边界向左移动第一距离，将每个所述人脸图片的右边界向右移动所述第一距离；其中，所述第一距离为第一比值与所述两眼间距的乘积；

将每个所述人脸图片的上边界向上移动第二距离，将每个所述人脸图片的下边界向下移动所述第二距离；其中，所述第二距离为第二比值与所述两眼间距的乘积。

为实现上述目的，本申请提供了一种人脸识别系统，包括：