[发明专利]一种人脸识别方法、装置、机器人及存储介质

说明书

本发明实施例公开了一种人脸识别方法、装置、机器人及存储介质。该人脸识别方法包括：获取待识别人脸图像；采用预先训练好的人脸关键点模型对所述待识别人脸图像进行人脸关键点识别，所述人脸关键点模型为轻量化神经网络模型；根据识别得到的所述人脸关键点将所述待识别人脸图像进行对齐以得到对齐人脸图像；提取出所述对齐人脸图像中的人脸特征；将所述人脸特征与预设数据库中的注册人脸特征进行比对，以识别出所述待识别人脸图像中的人物，所述注册人脸特征是通过对注册的正脸图像进行特征提取得到的，所述注册的正脸图像是通过预先训练好的人脸姿态检测模型筛选得到的。本发明实施例实现了设备端算力有限的情况下准确完成人脸识别的效果。

技术领域

本发明涉及人脸识别技术领域，尤其涉及一种人脸识别方法、装置、机器人及存储介质。

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，随着科学技术的飞速发展，人脸识别技术越来越多的被应用到各行各业中，例如手机、安全设备和机器人等，基于此，人脸识别技术的技术革新的需求也越来越紧迫。

人脸关键点识别是人脸识别算法及应用的重要组成部分。其中关键点识别的准确度会直接影响人脸识别的准确度。现有的要提高人脸关键点识别的准确度以及后续人脸识别的准确度往往需要设置比较复杂的网络模型。

由于机器人端算力有限，复杂的模型在机器人端很难使用，因此，亟需要一种可以在机器人端使用的人脸识别方法。

发明内容

基于此，有必要针对上述问题，提出一种设备端算力有限的情况下还能准确完成人脸识别的人脸识别方法、装置、计算机设备及存储介质。

第一方面，本发明实施例提供一种人脸识别方法，所述方法包括：

获取待识别人脸图像；

采用预先训练好的人脸关键点模型对所述待识别人脸图像进行人脸关键点识别，所述人脸关键点模型为轻量化神经网络模型；

根据识别得到的所述人脸关键点将所述待识别人脸图像进行对齐以得到对齐人脸图像；

提取出所述对齐人脸图像中的人脸特征；

将所述人脸特征与预设数据库中的注册人脸特征进行比对，以识别出所述待识别人脸图像中的人物，所述注册人脸特征是通过对注册的正脸图像进行特征提取得到的，所述注册的正脸图像是通过预先训练好的人脸姿态检测模型筛选得到的。

第二方面，本发明实施例提供一种人脸识别装置，所述装置包括：

图像获取模块，用于获取待识别人脸图像；

关键点提取模块，用于采用预先训练好的人脸关键点模型对所述待识别人脸图像进行人脸关键点识别，所述人脸关键点模型为轻量化神经网络模型；

人脸对齐模块，用于根据所述人脸关键点将所述待识别人脸图像进行对齐以得到对齐人脸图像；

特征提取模块，用于提取出所述对齐人脸图像中的人脸特征；

人脸识别模块，用于将所述人脸特征与预设数据库中的注册人脸特征进行比对，以识别出所述待识别人脸图像中的人物。

第三方面，本发明实施例提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：

获取待识别人脸图像；

采用预先训练好的人脸关键点模型对所述待识别人脸图像进行人脸关键点识别，所述人脸关键点模型为轻量化神经网络模型；

根据识别得到的所述人脸关键点将所述待识别人脸图像进行对齐以得到对齐人脸图像；

提取出所述对齐人脸图像中的人脸特征；