[发明专利]驾驶员人脸识别方法、系统、设备及介质

说明书

本发明提供了一种驾驶员人脸识别方法、系统、设备及介质，所述方法包括：获取驾驶员的人脸图像；从所述人脸图像中提取人脸识别区域，并将所述人脸识别区域调整至符合预设的识别条件；将所述人脸识别区域输入至基于深度学习构建的训练好的人脸特征提取模型，得到人脸特征向量；根据所述人脸特征提取模型输出的人脸特征向量和预存图像的人脸特征向量计算相似度，如果相似度大于指定的阈值，则判断是同一个人的人脸，如果有多个预存人脸图像的相似度大于阈值，则判定相似度最大的预存人脸图像与驾驶员的人脸图像是同一个人的人脸图像，从而确定了驾驶员的身份。本发明具有速度快、识别准确率高、算法鲁棒性好的特点，从而满足车载人脸识别的需求。

技术领域

本发明涉及车辆控制技术领域，尤其涉及一种驾驶员人脸识别方法、系统、设备及介质。

背景技术

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。人脸识别系统的基本原理和流程为：采用摄像机或摄像头采集用户的含有人脸的图像，提取人脸图像的特征向量，然后将所提取的特征向量与资料库中的照片对应的特征向量进行相似度计算；如果计算所得到的相似度高于指定的阈值，那么可判定所采集到人脸图像为资料库中的人脸图像，进而确定出用户的身份。

近年来，人脸识别技术已被应用于小区门禁系统、考勤系统，防盗门、手机解锁等。当前，人脸识别技术正在进行面向汽车的应用落地，为车内的驾驶员身份认证、个性化设置调用等功能提供技术基础，这不仅会让这些车内功能方便易用，而且也会让汽车显得具有科技感和智能化。

对于车载环境，不仅车载系统中的嵌入式硬件运算资源较少，也存在用户人脸成像角度不正、光照变化大等复杂情况。车载人脸识别系统需要能够在这样的条件下仍具有正确度高、速度快(实时性)和鲁棒性强的特性。而现有的人脸识别方法为了在恶劣的环境下(比如光照不均匀、有遮挡等)获得很高的准确率往往会采用较庞大和复杂的算法模型，这不仅对系统资源的占用多而且运算速度也较慢，因此很难适用于车载环境下人脸识别系统的要求。

发明内容

针对现有技术中的问题，本发明的目的在于提供一种基于深度学习的驾驶员人脸识别方法、系统、设备及介质，具有速度快、识别准确率高、算法鲁棒性好的特点，从而满足车载人脸识别的需求。

本发明实施例提供一种驾驶员人脸识别方法，所述方法包括如下步骤：

获取驾驶员的人脸图像；

从所述人脸图像中提取人脸识别区域，并将所述人脸识别区域调整至符合预设的识别条件；

将所述人脸识别区域输入至基于深度学习构建的训练好的人脸特征提取模型，得到所述人脸特征提取模型输出的人脸特征向量；

根据所述人脸特征提取模型输出的人脸特征向量和预存图像的人脸特征向量计算所述驾驶员的人脸图像和所述预存图像的相似度，如果相似度大于指定阈值，则认为所述驾驶员的人脸图像和所述预存图像是同一个人的图像，且如果相似度大于指定阈值的预存图像多于一幅，则认为相似度最大的预存图像是驾驶员的人脸图像。

可选地，如果有多个预存人脸图像的相似度大于阈值，则判定相似度最大的预存人脸图像与驾驶员的人脸图像是同一个人的人脸图像，以确定了驾驶员的身份。

可选地，所述从所述人脸图像中提取人脸识别区域，包括采用MTCNN模型对所述人脸图像及人脸关键点进行检测，确定所述人脸图像中的人脸位置及人脸中两只眼睛的位置，提取所述人脸位置的人脸识别区域。

可选地，所述将所述人脸识别区域调整至符合预设的识别条件，包括如下步骤：

采用MTCNN模型对所述人脸识别区域及两只眼睛的位置进行关键点检测，检测到所述人脸识别区域及两个眼睛关键点的位置；