[发明专利]一种人脸识别方法、装置、终端设备及存储介质

权利要求书

1.一种人脸识别方法，其特征在于，包括：

对目标图像进行人脸检测；

当所述目标图像包含人脸图像时，将所述人脸图像输入预训练的第一神经网络模型进行多维度的质量评价，获得质量评价结果；

根据所述质量评价结果，对所述人脸图像进行对应的处理，得到目标人脸图像；

将所述目标人脸图像输入预训练的第二神经网络模型进行人脸特征提取，获得人脸特征信息；

将所述人脸特征信息输入预训练的人脸分类器进行人脸识别，获得人脸识别结果。

2.根据权利要求1所述的人脸识别方法，其特征在于，所述根据所述质量评价结果，对所述人脸图像进行对应的处理，得到目标人脸图像，包括：

当所述质量评价结果指示所述人脸图像中有维度不满足对应的质量要求时，对所述不满足对应质量要求的维度进行质量调整；

获取所述进行质量调整后的人脸图像，并将进行质量调整后的人脸图像作为目标人脸图像。

3.根据权利要求2所述的人脸识别方法，其特征在于，所述根据所述质量评价结果，对所述人脸图像进行处理，得到目标人脸图像，还包括：

当所述质量评价结果指示所述人脸图像中所有维度都满足对应的质量要求时，将所述人脸图像作为目标人脸图像。

4.根据权利要求2所述的人脸识别方法，其特征在于，所述当所述质量评价结果指示所述人脸图像中有维度不满足对应的质量要求时，对所述不满足对应质量要求的维度进行质量调整，包括：

当所述质量评价结果指示所述人脸图像中有维度不满足对应的质量要求时，按照预设顺序对所述不满足对应质量要求的维度进行质量调整。

5.根据权利要求1所述的人脸识别方法，其特征在于，所述当所述目标图像包含人脸图像时，将所述人脸图像输入预训练的第一神经网络模型进行多维度的质量评价，获得质量评价结果，包括：

当所述目标图像包含人脸图像时，对所述人脸图像进行关键点检测，确定所述人脸图像的关键点的坐标位置；

当所述人脸图像的关键点的坐标位置与预设标准人脸图像的关键点的坐标位置不相符时，根据所述人脸图像关键点的坐标位置确定变换矩阵，并根据所述变换矩阵对所述人脸图像进行仿射变换；

将仿射变换后的所述人脸图像输入预训练的第一神经网络模型进行多维度的质量评价，获得质量评价结果。

6.根据权利要求2所述的人脸识别方法，其特征在于，所述当所述质量评价结果指示所述人脸图像中有维度不满足对应的质量要求时，对所述不满足对应的质量要求的维度进行质量调整，包括：

当所述质量评价结果指示所述人脸图像中人脸的遮挡程度不在预设人脸遮挡程度范围内时，丢弃所述人脸图像。

7.根据权利要求2所述的人脸识别方法，其特征在于，所述当所述质量评价结果指示所述人脸图像中有维度不满足对应的质量要求时，对所述不满足对应的质量要求的维度进行质量调整，还包括：

当所述质量评价结果指示所述人脸图像的光线强度不在预设光线强度范围内时，通过高动态范围成像算法对所述人脸图像进行处理，得到高动态范围成像的人脸图像。

8.根据权利要求2所述的人脸识别方法，其特征在于，所述当所述质量评价结果指示所述人脸图像中有维度不满足对应的质量要求时，对所述不满足对应的质量要求的维度进行质量调整，还包括：

当所述质量评价结果指示所述人脸图像中人脸的旋转角度大于预设角度时，将所述人脸图像输入至预训练的第一生成式对抗网络的生成器进行人脸角度调整，获得人脸角度调整后的人脸图像。

9.根据权利要求2所述的人脸识别方法，其特征在于，所述当所述质量评价结果指示所述人脸图像中有维度不满足对应的质量要求时，对所述不满足对应的质量要求的维度进行质量调整，还包括：

当所述质量评价结果指示所述人脸图像的清晰度小于预设清晰度时，将所述人脸图像输入至预训练的第二生成式对抗网络的生成器进行清晰度调整，获得清晰度调整后的人脸图像。