[发明专利]一种人脸识别方法及装置

说明书

本发明提供一种人脸识别方法及装置，该方法包括获取人脸图像，组成训练图像集；对训练图像集进行处理形成训练图像集合a和训练图像集合b；用训练图像集合a和训练图像集合b进行训练，获得人脸识别模型；用人脸识别模型对待识别图像进行识别，得到识别结果；本发明提供的方法和装置获得的人脸识别模型具有非常高的稳定性和鲁棒性，进而提高了人脸识别的准确率。

技术领域

本发明属于人脸识别领域，特别涉及一种人脸识别方法及装置。

背景技术

近年来随着人脸识别技术的发展，“刷脸”已经应用到多种场合，例如刷脸支付、刷脸进站、刷脸门禁等。这将大大提高了人们日常生活的便利性，并能一定程度上提高人们日常生活中的安全指数。

传统的人脸识别方法是利用卷积神经网络对训练图像集进行训练，获得识别模型，然后再对待识别图像进行识别获得识别结果；但有时候，由于提供组成训练图像集的人脸图像较少，获得的人脸识别模型鲁棒性差、稳定性差，导致识别准确率低。

发明内容

为了解决现有技术中存在的问题，本发明提供一种人脸识别方法及装置。

本发明其中一个实施例提供一种人脸识别方法，该方法包括如下步骤：

获取人脸图像，组成训练图像集；

对训练图像集进行处理形成训练图像集合a和训练图像集合b；

用训练图像集合a和训练图像集合b进行训练，获得人脸识别模型；

用人脸识别模型对待识别图像进行识别，得到识别结果。

在一些实施例中，所述对训练图像集进行处理形成训练图像集合a和训练图像集合b包括如下步骤：

获取训练图像集内的标准图像；

将训练图像集内的每一非标准图像分别与标准图像做差处理，获得残差；

计算残差内所有像素的平均值，形成平均残差图像；

利用每一非标准图像与平均残差图像进行图像重构，获得重构图像集；

训练图像集和重构图像集的并集形成训练图像集合a。

在一些实施例中，所述对训练图像集进行处理形成训练图像集合a和训练图像集合b包括如下步骤：

获取训练图像集内每一训练图像的轮廓，形成轮廓图像；

将所有轮廓图像与对应的残差进行融合，获得训练图像集合b。

在一些实施例中，所述用训练图像集合a和训练图像集合b进行训练，获得人脸识别模型包括如下步骤：

利用训练图像集合b对卷积神经网络进行训练，获得第一识别模型；

利用训练图像集合a对第一识别模型进行训练获得人脸识别模型。

在一些实施例中，所述利用每一非标准图像与平均残差图像进行图像重构，获得重构图像集包括如下步骤：

计算每一非标准图像内第i个像素点x_i与平均残差图像内对应位置的第i个像素点y_i的像素差Δx，并与像素差阈值Δx₁进行比较；

当Δx＜Δx₁时，保留像素点x_i；

当Δx≥Δx₁，找到平均残差图像内像素点y_i的k个邻域像素点，k的取值为20-40；计算像素点x_i与k个邻域像素点的欧式距离Ψ，并与阈值Ψ₁进行比较；