[发明专利]一种人脸识别方法、装置、存储介质和服务器

权利要求书

1.一种人脸识别方法，其特征在于，包括：

获取待识别的人脸图像；

将所述人脸图像输入预设的人脸识别模型，得到人脸识别结果；

其中，所述人脸识别模型通过以下步骤预先训练获得：

获取人脸样本数据集，所述人脸样本数据集包括多个正脸样本图像和多个非正脸样本图像；

对各个所述非正脸样本图像分别进行人脸的关键点检测处理，得到各个所述非正脸样本图像的关键点特征；

基于所述关键点特征对各个所述非正脸样本图像进行修正，得到各个所述非正脸样本图像的修正为正脸的图像；

以所述多个正脸样本图像和各个所述非正脸样本图像的修正为正脸的图像作为训练集，训练得到所述人脸识别模型。

2.如权利要求1所述的人脸识别方法，其特征在于，所述多个非正脸样本图像通过以下步骤生成：

获取预采集的原始正脸图像；

采用预先构建的StarGAN神经网络模型对所述原始正脸图像进行处理，得到所述原始正脸图像的多个不同角度的侧脸图像；

将所述多个不同角度的侧脸图像确定为所述多个非正脸样本图像。

3.如权利要求1所述的人脸识别方法，其特征在于，所述基于所述关键点特征对各个所述非正脸样本图像进行修正包括：

基于所述关键点特征对各个所述非正脸样本图像进行先缩放调整，再平移调整的处理；

或者

基于所述关键点特征对各个所述非正脸样本图像进行先旋转调整，再平移调整的处理。

4.如权利要求1所述的人脸识别方法，其特征在于，在得到各个所述非正脸样本图像的关键点特征之后，还包括：

将各个所述非正脸样本图像的关键点特征输入低通滤波器，以剔除所述关键点特征中的异常值。

5.如权利要求1至4中任一项所述的人脸识别方法，其特征在于，在训练得到所述人脸识别模型之后，还包括：

获取人脸测试数据集，所述人脸测试数据集包括多个已分配标签的人脸样本图像；

将所述人脸测试数据集输入所述人脸识别模型，统计所述人脸识别模型对所述人脸测试数据集进行识别的准确率；

若所述准确率小于预设阈值，则采用新的人脸样本数据集继续对所述人脸识别模型进行优化训练，直至所述人脸识别模型对所述人脸测试数据集进行识别的准确率大于或等于所述预设阈值。

6.如权利要求5所述的人脸识别方法，其特征在于，所述统计所述人脸识别模型对所述人脸测试数据集进行识别的准确率包括：

将所述多个已分配标签的人脸样本图像输入所述人脸识别模型，分别得到每个所述已分配标签的人脸样本图像的预测标签；

统计所述多个已分配标签的人脸样本图像中所述预测标签和已分配的标签相同的人脸样本图像的第一数量；

统计所述多个已分配标签的人脸样本图像中所述预测标签和已分配的标签不同的人脸样本图像的第二数量；

根据所述多个已分配标签的人脸样本图像的总数量、所述第一数量和所述第二数量计算得到所述人脸识别模型对所述人脸测试数据集进行识别的准确率。

7.如权利要求6所述的人脸识别方法，其特征在于，所述根据所述多个已分配标签的人脸样本图像的总数量、所述第一数量和所述第二数量计算得到所述人脸识别模型对所述人脸测试数据集进行识别的准确率包括：

采用以下公式计算所述准确率：

A_crt＝N₁/(N₁+N₂)

其中，A_crt表示所述准确率，N₁表示所述第一数量，N₂表示所述第二数量。