[发明专利]人脸识别方法、装置、介质及电子设备

权利要求书

1.一种人脸识别方法，其特征在于，包括：

获取目标对象的当前可见光人脸图像和当前红外人脸视频；

将所述当前可见光人脸图像输入至训练完成的基于深度学习的卷积神经网络模型，输出第一识别结果；

根据所述当前红外人脸视频获得第二识别结果；

根据所述第一识别结果和所述第二识别结果获得所述目标对象的人脸识别结果。

2.根据权利要求1所述的方法，其特征在于，根据所述当前红外人脸视频获得第二识别结果，包括：

检测所述当前红外人脸视频中相邻两帧红外人脸图像的人脸区域及其眼睛区域；

提取所述相邻两帧红外人脸图像的人脸区域的人脸特征点；

分别计算所述相邻两帧红外人脸图像的人脸特征点和眼睛区域的光流场特征；

基于所述光流场特征获得所述第二识别结果。

3.根据权利要求2所述的方法，其特征在于，基于所述光流场特征获得所述第二识别结果，包括：

若所述光流场特征为不规则向量特征，则所述第二识别结果为所述目标对象为活体目标；

若所述光流场特征为有序向量特征，则所述第二识别结果为所述目标对象为非活体目标。

4.根据权利要求3所述的方法，其特征在于，所述非活体目标包括三维打印的人头雕像、视频、照片中的任意一种。

5.根据权利要求2所述的方法，其特征在于，检测所述当前红外人脸视频中相邻两帧红外人脸图像的人脸区域及其眼睛区域，包括：

获取标注人脸区域及其眼睛区域的红外人脸图像作为训练样本；

基于所述训练样本训练HAAR分类器；

分别将所述当前红外人脸视频中的相邻两帧红外人脸图像输入至训练完成的所述HAAR分类器，输出所述当前红外人脸视频中相邻两帧红外人脸图像的人脸区域及其眼睛区域。

6.根据权利要求2所述的方法，其特征在于，所述光流场特征包括所述当前红外人脸视频中相邻两帧红外人脸图像的人脸特征点和眼睛区域的光流场以及光流场方向直方图。

7.根据权利要求1所述的方法，其特征在于，根据所述第一识别结果和所述第二识别结果获得所述目标对象的人脸识别结果，包括：

若所述第一识别结果为人脸识别通过且所述第二识别结果为所述目标对象为活体目标，则所述人脸识别结果为身份验证成功。

8.根据权利要求7所述的方法，其特征在于，根据所述第一识别结果和所述第二识别结果获得所述目标对象的人脸识别结果，还包括：

若所述第一识别结果为人脸识别通过且所述第二识别结果为所述目标对象为非活体目标，则所述人脸识别结果为身份验证失败，生成并发送预警信息。

9.根据权利要求1所述的方法，其特征在于，还包括：

采集所述目标对象在不同时间段、不同光照条件下和不同动作状态下的历史可见光人脸图像并对其进行标注；

将所述历史可见光人脸图像及其标注作为训练数据集；

利用所述训练数据集训练所述基于深度学习的卷积神经网络模型。

10.根据权利要求9所述的方法，其特征在于，还包括：

将所述训练数据集、所述当前可见光人脸图像、所述当前红外人脸视频以及所述人脸识别结果存储于区块链中。

11.一种人脸识别装置，其特征在于，包括：

人脸图像采集模块，用于获取目标对象的当前可见光人脸图像和当前红外人脸视频；

第一人脸识别模块，用于将所述当前可见光人脸图像输入至训练完成的基于深度学习的卷积神经网络模型，输出第一识别结果；

第二人脸识别模块，用于根据所述当前红外人脸视频获得第二识别结果；

综合人脸识别模块，用于根据所述第一识别结果和所述第二识别结果获得所述目标对象的人脸识别结果。