[发明专利]人脸识别方法、装置、电子设备及可读存储介质有效

专利信息
申请号: 202010389985.7 申请日: 2020-05-11
公开(公告)号: CN111310743B 公开(公告)日: 2020-08-25
发明(设计)人: 许剑清;沈鹏程;李绍欣 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06K9/00 分类号: G06K9/00
代理公司: 北京市立方律师事务所 11330 代理人: 张筱宁
地址: 518000 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 识别 方法 装置 电子设备 可读 存储 介质
【权利要求书】:

1.一种人脸识别方法,其特征在于,包括:

获取待识别人脸图像和用户的用户标识,提取所述待识别人脸图像的第一图像特征;

基于所述用户标识获取所述用户预先存储的注册人脸图像,提取所述注册人脸图像的第二图像特征;

基于归一化矩阵对所述第一图像特征进行归一化,得到第一归一化特征;基于所述归一化矩阵对所述第二图像特征进行归一化,得到第二归一化特征;

其中,所述归一化矩阵是基于归一化图像库得到的;所述归一化图像库中各个不同类型的人脸图像的数量之间的比例符合预设比例;

基于所述第一归一化特征和所述第二归一化特征确定所述待识别人脸图像和所述注册人脸图像的匹配度,以对所述待识别人脸图像进行识别。

2.根据权利要求1所述的人脸识别方法,其特征在于,所述基于归一化矩阵对所述第一图像特征进行归一化,得到第一归一化特征之前,还包括:

从预设的图像数据库中获取所述归一化图像库;所述图像数据库中设置有多种不同类型的人脸图像;

提取所述归一化图像库中每一人脸图像的特征向量,基于所提取的特征向量获取所述归一化矩阵。

3.根据权利要求2所述的人脸识别方法,其特征在于,所述从预设的图像数据库中获取所述归一化图像库,包括:

从所述图像数据库中随机抽取第一预设数量的人脸图像,获取所抽取的人脸图像中各个类型的人脸图像的数量之间的比例;

若各个类型的人脸图像的数量之间的比例符合预设比例,基于所抽取的人脸图像构建所述归一化图像库;

若各个类型的人脸图像的数量之间的比例不符合预设比例,基于各个类型的人脸图像的比例从所述图像数据库中抽取指定类型的人脸图像,直至各个类型的人脸图像的数量之间的比例符合预设比例,且所抽取的人脸图像的总数量符合预设数量范围,基于所抽取的人脸图像构建所述归一化图像库。

4.根据权利要求2所述的人脸识别方法,其特征在于,所述基于所提取的特征向量获取所述归一化矩阵,包括:

对所述归一化图像库中每一人脸图像的特征向量进行规范化,得到各人脸图像的规范化特征向量;

基于各人脸图像的规范化特征向量构建所述归一化矩阵。

5.根据权利要求1所述的人脸识别方法,其特征在于,所述基于归一化矩阵对所述第一图像特征进行归一化,得到第一归一化特征,包括:

对所述第一图像特征进行规范化,得到第一规范特征;

将所述第一规范特征和所述归一化矩阵进行比对,得到所述第一规范特征的第一得分矩阵;

基于所述第一得分矩阵获取所述第一规范特征的第一相似度归一因子;

基于所述第一相似度归一因子和所述第一规范特征,获取所述第一归一化特征。

6.根据权利要求5所述的人脸识别方法,其特征在于,所述将所述第一规范特征和所述归一化矩阵进行比对,得到所述第一规范特征的第一得分矩阵,包括:

获取所述归一化矩阵的转置矩阵;

将所述第一规范特征与所述归一化矩阵的转置矩阵相乘,得到所述第一得分矩阵。

7.根据权利要求5所述的人脸识别方法,其特征在于,所述第一得分矩阵为行矩阵;所述基于所述第一得分矩阵获取所述第一规范特征的第一相似度归一因子,包括:

对所述第一得分矩阵中的各个元素按照从大到小的顺序进行排序;

从排序后的第一得分矩阵中选取连续的第二预设数量的元素;

基于所选取的元素获取所述第一相似度归一因子。

8.根据权利要求5所述的人脸识别方法,其特征在于,所述基于所述第一相似度归一因子和所述第一规范特征,获取所述第一归一化特征,包括:

将所述第一相似度归一因子组合入所述第一规范特征的最后一个维度中,得到所述第一归一化特征。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010389985.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top