[发明专利]一种人脸识别方法、装置及存储介质

权利要求书

1.一种人脸识别方法，其特征在于，包括以下步骤：

S1：通过人脸检测算法检测待识别图片，提取出人脸图像；

S2：通过卷积神经网络构建人脸正侧脸分类器来判断所述人脸图像是正脸图像还是侧脸图像；

S3：若所述人脸图像是侧脸图像，则通过生成对抗网络将所述侧脸图像转化为正脸图像，并通过深度学习算法分别提取出所述侧脸图像和所述正脸图像的人脸特征向量，然后将所述侧脸图像的侧脸特征向量和所述正脸图像的正脸特征向量进行特征融合生成融合向量；

S4：利用所述融合向量进行人脸比对识别。

2.根据权利要求1所述的人脸识别方法，其特征在于，所述步骤S2包括以下步骤：

S21：构建多层卷积层、池化层、全连接层和softmax层；

S22：将所述人脸图像设置为N*N尺寸大小，然后输入所述多层卷积层和池化层，并输出人脸特征向量其中，L表示所述卷积神经网络第L层的输出，k表示输出的人脸特征向量具有K个维度；

S23：将所述人脸特征向量z^L输入所述全连接层，所述全连接层权重为偏置为输出所述全连接层的分类结果为

S24：将所述全连接层的分类结果z^L+1输入到softmax层，分别将映射成范围在0～1的概率其中P_正+P_侧＝1，若P_正＞P_侧，则所述人脸图像是正脸图像，否则是侧脸图片。

3.根据权利要求1所述的人脸识别方法，其特征在于，所述步骤S3还包括：若所述人脸图像是正脸图像，则通过深度学习算法提取出所述正脸图像的人脸特征向量以进行人脸识别比对得到人脸识别结果。

4.根据权利要求1所述的人脸识别方法，其特征在于，所述生成对抗网络采用双通道生成对抗网络。

5.根据权利要求1所述的人脸识别方法，其特征在于，所述步骤S3中的特征融合包括：通过所述人脸图像的人脸特征向量V_侧和所述正脸图像的人脸特征向量V_正计算所述融合向量V：

V＝αV_侧+βV_正

其中，0≤α,β1,a+β＝1，a,β表示V_侧和V_正在融合向量V中的权重。

6.根据权利要求5所述的人脸识别方法，其特征在于，α为0.5，β为0.5。

7.一种人脸识别装置，其特征在于，包括：

人脸检测模块，被配置为通过人脸检测算法检测待识别图片，得到人脸图像；

人脸分类模块，被配置为通过卷积神经网络构建人脸正侧脸分类器判断所述人脸图像是正脸图像还是侧脸图像；

特征融合模块，被配置为若所述人脸图像是侧脸图像，则通过生成对抗网络将所述侧脸图像生成正脸图像，并通过深度学习算法分别提取出所述侧脸图像和所述正脸图像的人脸特征向量，然后将所述侧脸图像的人脸特征向量和所述正脸图像的人脸特征向量进行特征融合生成融合向量；

识别模块，被配置为利用所述融合向量进行人脸比对识别。