[发明专利]一种人脸识别方法及装置

说明书

本发明公开了一种人脸识别方法及装置，该方法包括：建立海量人脸图片库，并对海量人脸图片库中包括的人脸图片进行筛选优化，人脸图片经过灰化处理且包括对应的身份信息；获取人脸图片的第一人脸特征向量，第一人脸特征向量与人脸图片的身份信息相关联；获取待识别图片的第二人脸特征向量；分布式计算第二人脸特征向量与各第一人脸特征向量之间的第一欧式距离；根据第一欧式距离识别与待识别图片相似度最高的人脸图片，并确定人脸图片的身份信息为待识别图片的身份信息。本发明实现了基于海量人脸图片库的高速人脸比对功能，大大提高了针对于海量数据的人脸识别应用的时效性和准确性。

技术领域

本发明涉及人脸识别技术领域，具体涉及一种人脸识别方法及装置。

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。随着人工智能的发展，如何快速且准确地从海量数据中识别用户身份是一个重要的研究与应用方向。

现有技术中，利用卷积神经网络的深度结构和非线性映射学习的特点，自动学习人脸特征和表达方法，并在人脸识别领域中逐渐成为主流。然而，目前现有技术中的此类深层神经网络结构，对人脸的识别性能有所改善，但在应用效率和准确率上还需要改进和提升。

需要注意的是，本部分旨在为权利要求书中陈述的本公开的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

发明内容

本发明实施例提供一种人脸识别方法及装置，以解决现有技术中利用卷积神经网络的深度结构进行人脸识别的方法在应用效率和准确率上需要改进和提升的问题。

第一方面，本发明实施例提供一种人脸识别方法，包括：

建立海量人脸图片库，并对所述海量人脸图片库中包括的至少一张人脸图片进行筛选优化，所述人脸图片经过灰化处理且包括对应的身份信息；

获取各所述人脸图片的第一人脸特征向量，所述第一人脸特征向量与所述人脸图片的身份信息相关联；

获取待识别图片的第二人脸特征向量；

分布式计算所述第二人脸特征向量与各所述第一人脸特征向量之间的第一欧式距离；

根据所述第一欧式距离，识别与所述待识别图片相似度最高的人脸图片，并确定所述人脸图片的身份信息为所述待识别图片的身份信息。

作为本发明第一方面的优选方式，所述建立海量人脸图片库，并对所述海量人脸图片库中包括的至少一张人脸图片进行筛选优化，所述人脸图片经过灰化处理且包括对应的身份信息包括：

获取至少一张人脸图片，并将所述人脸图片存放入海量人脸图片库中，所述人脸图片包括对应的身份信息；

各所述人脸图片进行灰化处理后，对至少一张所述人脸图片进行聚类，使具有相同身份信息的人脸图片写入同一个文件夹中，所述文件夹以所述身份信息命名；

对每一文件夹中的所述人脸图片进行边缘检测，并根据边缘检测结果筛选得到清晰度满足第一预设条件的人脸图片。

作为本发明第一方面的优选方式，所述对各文件夹中的人脸图片进行边缘检测，并根据边缘检测结果筛选得到清晰度满足第一预设条件的人脸图片之后，还包括：

比较每一文件夹中清晰度满足第一预设条件的人脸图片中每一像素点与相邻像素点的亮度，并在所述像素点上标示一个梯度箭头，所述梯度箭头指向亮度变深的方向；

将所述人脸图片划分成多个区域，统计各所述区域内包含的梯度箭头在各个方向上的数量；

确定数量最多的梯度箭头为所述区域的梯度箭头，得到各所述人脸图片的梯度直方图；

对所述梯度直方图进行人脸检测，并根据人脸检测结果筛选得到包含人脸的人脸图片。