[发明专利]人脸识别方法、装置、设备及存储介质

说明书

本发明涉及人工智能技术领域，公开了一种人脸识别方法，人脸识别方法是通过根据预存的深度可分离卷积模块中的输入通道和输出通道对待识别的人脸画像数据进行两次的卷积操作，然后对卷积操作后得到的人脸画像图案计算相似度，基于相似度来判断是否属于同一人脸；本发明还提供了一种人脸识别装置、设备及计算机可读存储介质，基于采用两次的卷积操作将人脸画像数据的特征简化，大幅度降低了整个人脸识别网络的时间、识别特征的复杂度和特征的空间复杂度，减低了终端在识别过程中的运算的参数量和计算量，减少了终端的消耗，提高的运行效率。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种人脸识别方法、装置、设备及存储介质。

背景技术

随着人脸识别技术的不断发展，尤其是在识别模型的深度学习发展中，越来越多被应用部署到生活的场景之中。人脸识别作为计算机视觉领域的一大组成部分，已经成为深度学习研究的重点，并且取得了相对较好的准确率。深度学习网络的准确率基本依靠卷积核的堆叠来实现，而越来越深的卷积层带来了参数量的巨大提升，尽管网络准确率有一定上升，但是网络的运行时间被极大的延长。

而手机作为日常生活的一个载体，也越来越多的人脸识别也通过手机来进行，但是在目前的识别技术，都是应用于大网络，这种大网络适合在服务器端部署，对设备的计算功率要求也比较高，而目前的手机类的终端，其数据处理的能力并不高，若是直接将现有的人脸识别方法应用到手机上，会大大影响手机的运行速度以及使用体验。所以研发一种可以在手机上运行的神经网络十分重要。

发明内容

本发明的主要目的在于提供一种人脸识别方法、装置、设备及存储介质，旨在解决现有的人脸识别运行消耗过大，而导致影响终端本身的运行速度降低用户体验的技术问题。

为实现上述目的，本发明提供一种人脸识别方法，所述人脸识别方法包括以下步骤：

获取待识别的人脸画像数据；

根据预存的深层可分离卷积模型中的输入通道和输出通道的数量，确定第一次卷积操作的卷积核大小；

将所述人脸画像数据输入至所述输入通道，并按照所述卷积核大小对所述人脸画像数据进行第一卷积操作，得到人脸画像的碎片集，其中，所述碎片集包括至少两个人脸碎片，所述人脸碎片在所述深层可分离卷积模型中以卷积核的形式显示；

将通过所述第一卷积操作得到的所述人脸碎片进行第二次卷积操作，得到人脸画像图案，其中，所述第二次卷积核操作为以单位卷积核作为卷积基础，对所述人脸碎片进行跨通道的标准卷积计算；

根据预设的联合贝叶斯算法，计算所述人脸画像图案与所述移动终端中预先存储的人脸画像的相似度，并将所述相似度与预设阈值进行比较，以识别所述人脸画像图案与所述移动终端中的人脸画像是否属于同一人。

可选的，若所述深层可分离卷积模型包括：M个输入通道、N个输出通道和逐点卷积滤波器；

所述根据预存的深层可分离卷积模型中的输入通道和输出通道的数量，确定第一次卷积操作的卷积核大小的步骤包括：

检测所述人脸画像数据的像素值Dx*Dy，并提取所述第一卷积操作中设定的每一次的步长系数；

将所述像素值减去所述步长系数，得到所述卷积核的大小；

其中，M和N分别为大于1的整数，Dx、Dy分别为所述人脸画像数据的长和宽，Dx和Dy均为大于1的正整数。

可选的，所述将所述人脸画像数据输入至所述输入通道，并按照所述卷积核大小对所述人脸画像数据进行第一卷积操作，得到所述人脸画像的碎片集的步骤包括：