[发明专利]高精度人脸认证方法、系统、计算机设备及存储介质

说明书

本发明公开了一种高精度人脸认证方法、系统、计算机设备及存储介质，所述方法包括：利用多任务级联卷积神经网络对待检测图像进行人脸检测，得到人脸图像；基于101层残差网络对人脸图像进行特征提取，得到512维人脸深度特征，作为待认证人员人脸特征；将待认证人员人脸特征与资料库人员人脸特征进行比对，得到人脸认证结果。本发明具有强鲁棒性和高健壮性，消除人脸特征描述符由于侧度、偏移等噪声所产生的影响，快速定位到人脸区域并且可以精准地对人物身份进行认证。

技术领域

本发明涉及一种高精度人脸认证方法、系统、计算机设备及存储介质，属于深度学习和图像处理领域。

背景技术

近年来，随着互联网的发展，人们已经处于大数据的时代当中，由此带来信息量的爆炸式的增长，而利用传统的动态密码会带来信息泄露、盗用、丢失等问题，而生物特征识别技术具有不易仿冒性和唯一性等特点，被认为是“下一代信息技术安全的核心”，而人脸识别技术是生物特征识别技术中的技术之一，主要是利用对人脸的光学成像来感知人、识别人，目前该技术主要应用到刑事侦查、监控系统、打卡考勤、安全支付等领域。

人脸识别技术(Face Recognition)的经典流程主要分为三个步骤：人脸检测、面部特征点定位、特征提取与分类器设计，需要综合考虑特征选取、特征提取和分类器的性能。近些年来随着深度卷积神经网络(Deep Convolutional Neural Network，简称DCNN)的引入，人脸识别的准确率得以跨越式提升。尽管人脸识别技术被广泛应用于各个领域，但因其拍照的姿势，光照的不同，表情的变化，遮挡物的有无，年龄的增长等均会影响人脸的识别率，因此人脸识别仍有很多的难点需要攻克。

传统的人脸识别方法，如基于几何特征的人脸识别；基于隐马尔可夫的人脸识别；基于贝叶斯决策的人脸识别和基于支持向量机的人脸识别等这些传统的人脸识别技术在光照的影响下或者有少量的人脸遮挡和人脸偏移之后，其对人物的识别准确率会大幅度降低，特别在一些实时的场景的运用当中时(如学校师生人脸考勤、高铁或火车站人员安检等)，传统的人脸识别方法易受到环境噪声的干扰，会造成人员识别错误。

发明内容

有鉴于此，本发明提供了一种高精度人脸认证方法、系统、计算机设备及存储介质，其具有强鲁棒性和高健壮性，消除人脸特征描述符由于侧度、偏移等噪声所产生的影响，快速定位到人脸区域并且可以精准地对人物身份进行认证。

本发明的第一个目的在于提供一种高精度人脸认证方法。

本发明的第二个目的在于提供一种轻量级人脸识别系统。

本发明的第三个目的在于提供一种计算机设备。

本发明的第四个目的在于提供一种存储介质。

本发明的第一个目的可以通过采取如下技术方案达到：

一种高精度人脸认证方法，所述方法包括：

利用多任务级联卷积神经网络对待检测图像进行人脸检测，得到人脸图像；

基于101层残差网络对人脸图像进行特征提取，得到512维人脸深度特征，作为待认证人员人脸特征；

将待认证人员人脸特征与资料库人员人脸特征进行比对，得到人脸认证结果。

进一步的，所述利用多任务级联卷积神经网络对待检测图像进行人脸检测，得到人脸图像，具体包括：

按照不同的缩放比例，将待检测图像缩放成不同大小的图像，形成图像的特征金字塔；

将特征金字塔输入候选提议网络，得到第一人脸分类结果、第一候选框和第一人脸轮廓关键点；

将第一候选框以坐标形式返回到待检测图像，并输入改善网络，得到第二人脸分类结果、第二候选框和第二人脸轮廓关键点；