[发明专利]一种低分辨率人脸识别方法

说明书

本发明涉及人脸识别技术领域，具体公开了一种低分辨率人脸识别方法，其中，所述低分辨率人脸识别方法包括：获取低分辨率的人脸图像；对低分辨率的人脸图像进行检测与切割，得到切割图片；对所述切割图片进行人脸图像重构，得到重构图像；根据人脸识别算法对所述重构图像进行人脸识别，得到目标图像。本发明提供的低分辨率人脸识别方法不需要改变摄像头，即通过现有摄像头拍摄即可识别得到，因此在不增加成本的前提下实现了对人脸的识别，特别适用于工业应用。

技术领域

本发明涉及人脸识别技术领域，尤其涉及一种低分辨率人脸识别方法。

背景技术

近年来，随着计算机视觉技术的发展，尤其以人脸识别技术发展最为突出，由于人脸识别的准确性，人脸识别广泛应用于工业安全中的众多领域。

人脸识别是计算机视觉领域具有挑战性的问题,在多领域的广泛应用引起了大众的极大关注。人脸识别指在给定输入人脸图像数据库的前提下，确定人脸图像中个人的姓名。人脸识别主要分为以下几个步骤：1)人脸检测；2)人脸特征点提取；3)人脸识别。而在人脸识别中，步骤2)人脸特征点提取是至关重要的一步，这一步如果是低分辨的图片将极大影响特征的提取。

然而在工业领域存在大量的低分辨率镜头，并且在摄像头中人脸较小且比较模糊，这些因素严重影响着人脸识别的效果。

由上述分析可知，人脸识别的准确度很大程度上取决于图像的清晰度与图中人脸的大小，这就使得人脸识别对于摄像头以及上传的图像的分辨率有很高的要求。如果全部换成超高分辨率的摄像头成本高且效果一般。事实上，由于各种工况的不同，很难全部架设高分辨率摄像头，这就使得工业人脸识别变得愈加困难。

发明内容

本发明提供了一种低分辨率人脸识别方法，解决相关技术中存在的低分辨率摄像头拍摄的人脸不易识别的问题。

作为本发明的第一个方面，提供一种低分辨率人脸识别方法，其中，所述低分辨率人脸识别方法包括：

获取低分辨率的人脸图像；

对低分辨率的人脸图像进行检测与切割，得到切割图片；

对所述切割图片进行人脸图像重构，得到重构图像；

根据人脸识别算法对所述重构图像进行人脸识别，得到目标图像。

进一步地，所述对所述切割图片进行人脸图像重构，得到重构图像，包括：

将所述切割图片放入重构网络中进行重构，得到重构图像，其中所述重构网络根据超分辨率深度学习算法训练获得。

进一步地，所述超分辨率深度学习算法包括SRGAN算法。

进一步地，所述低分辨率人脸识别方法还包括在所述对低分辨率的人脸图像进行检测与切割，得到切割图片的步骤前进行的：

人脸库构建以及人脸库特征提取。

进一步地，所述人脸库构建以及人脸库特征提取包括：

根据低分辨率的人脸图像构建人脸照片库，所述人脸照片库中包括多张姓名与照片一一对应的人脸照片；

对所述人脸照片库中的每张人脸照片进行向量提取，其中每张人脸照片均对应128维的向量；

根据向量提取结果得到索引号，并建立人脸姓名与索引号一一对应的映射关系表。

进一步地，所述对低分辨率的人脸图像进行检测与切割，得到切割图片，包括：

对特征提取后的人脸图像进行人脸检测与定位，得到多张人脸，并形成人脸的坐标集合；

根据人脸的坐标集合对特征提取后的人脸图像进行切割，得到多张人脸图片集合。