[发明专利]人脸识别方法、装置、终端及存储介质

权利要求书

1.一种人脸识别方法，其特征在于，包括：

获取待识别人脸图像，根据预设的深度学习模型提取所述待识别人脸图像的第一高维特征向量；

利用乘积量化算法将所述第一高维特征向量量化为第一低维整数编码；

将待识别人脸图像的第一低维整数编码与预先得到的人脸模板图像的第二低维整数编码进行相似度匹配；

根据相似度匹配结果在所述第二低维整数编码中确定与所述第一低维整数编码最相似的目标低维整数编码，将所述目标低维整数编码对应的人脸模板图像作为目标人脸图像。

2.根据权利要求1所述的人脸识别方法，其特征在于，所述根据预设的深度学习模型提取所述待识别人脸图像的第一高维特征向量之前，还包括：

利用预先得到的人脸模板图像对所述深度学习模型进行训练，以确定所述深度学习模型中各节点之间的连接的最佳权重参数。

3.根据权利要求2所述的人脸识别方法，其特征在于，所述利用预先得到的人脸模板图像对所述深度学习模型进行训练的步骤，包括:

将人脸模板图像输入深度学习模型中，获取所述人脸模板图像对应的特征信息；

基于预设的损失函数和所述人脸模板图像对应的特征信息，计算所述深度学习模型的损失；其中，所述损失函数由Softmax函数和L-Softmax函数加权构成；

当损失高于预设值时，调整所述深度学习模型中各节点之间的连接的权重参数，对深度学习模型重新训练，直至损失低于或等于预设值时，得到最佳权重参数及其对应的深度学习模型。

4.根据权利要求3所述的人脸识别方法，其特征在于，所述损失函数为：

其中，所述L_Softmax为Softmax函数，所述L_L-Softmax为L-Softmax函数，∝为调节因子，5≤∝≤8。

5.根据权利要求1所述的人脸识别方法，其特征在于，所述将待识别人脸图像的第一低维整数编码与预先得到的人脸模板图像的第二低维整数编码进行相似度匹配之前，还包括：

获取人脸模板图像，根据预设的深度学习模型提取所述人脸模板图像的第二高维特征向量；

利用乘积量化算法将所述第二高维特征向量量化为第二低维整数编码。

6.根据权利要求5所述的人脸识别方法，其特征在于，所述将所述目标低维整数编码对应的人脸模板图像作为目标人脸图像的步骤，包括：

在所述第二高维特征向量中获取所述目标低维整数编码对应量化前的目标高维特征向量；

计算待识别人脸图像的第一高维特征向量与目标高维特征向量的距离；

当所述距离大于预设值时，将所述目标高维特征向量对应的人脸模板图像作为目标人脸图像。

7.根据权利要求6所述的人脸识别方法，其特征在于，所述计算待识别人脸图像的第一高维特征向量与目标高维特征向量的距离的步骤，包括：

计算待识别人脸图像的第一高维特征向量与目标高维特征向量的欧氏距离和余弦距离；

将所述欧氏距离和余弦距离进行加权组合，得到所述距离。

8.一种人脸识别装置，其特征在于，包括：

提取模块，用于获取待识别人脸图像，根据预设的深度学习模型提取所述待识别人脸图像的第一高维特征向量；

量化模块，用于利用乘积量化算法将所述第一高维特征向量量化为第一低维整数编码；

匹配模块，用于将待识别人脸图像的第一低维整数编码与预先得到的人脸模板图像的第二低维整数编码进行相似度匹配；

确定模块，用于根据相似度匹配结果在所述第二低维整数编码中确定与所述第一低维整数编码最相似的目标低维整数编码，将所述目标低维整数编码对应的人脸模板图像作为目标人脸图像。

9.一种终端，其特征在于，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述的人脸识别方法的步骤。

10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1至7中任一项所述的人脸识别方法。