[发明专利]人脸识别方法、装置、电子设备及存储介质

说明书

本发明涉及生物识别领域，揭露了一种人脸识别方法，包括：对获取的训练图像集进行人脸检测、脸部频域变换及人脸对齐，得到目标人脸图像集；利用目标人脸图像集对预构建的服务端人脸特征提取模型进行训练；利用训练完成的服务端人脸特征提取模型对预构建的客户端人脸特征提取模型进行蒸馏训练；利用训练完成的客户端人脸特征提取模型对待识别人脸图像进行特征提取，得到待识别人脸特征图像；利用预设人脸数据库的人脸图像对待识别人脸特征图像进行人脸识别，得到识别结果。此外，本发明还涉及区块链技术，所述待识别人脸特征图像可存储于区块链中。本发明可以降低在人脸识别时占用的网络资源，并同时提高人脸识别的准确性。

技术领域

本发明涉及生物识别领域，尤其涉及一种人脸识别方法、装置、电子设备及计算机可读存储介质。

背景技术

目前人脸识别技术在铁路安防系统、公安机关、考勤广泛应用。人脸识别技术是基于人的脸部特征，对输入的人脸图像或者视频流进行人脸判断，即首先判断其是否存在人脸，如果存在人脸，则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息，并依据这些信息，进一步提取每个人脸中所蕴涵的身份特征，将其与已知的人脸进行对比，从而识别每个人脸的身份。

由于近些年来深度学习的快速发展，目前常用的人脸识别系统是基于大量的人脸识别训练集训练一个人脸识别模型用于识别。但是若将模型部署在客户端的话，由于客户端算力的限制只能采用较浅模型，模型精度有所限制，从而会影响人脸识别的准确性；若将模型部署在服务端的话，虽然可以采用深模型人脸识别，提高人脸识别的准确性，但是服务端有带宽，容易耗费较多的网络资源，给服务端带来压力。

发明内容

本发明提供一种人脸识别方法、装置、电子设备及计算机可读存储介质，其主要目的在于降低在人脸识别时占用的网络资源，并同时提高人脸识别的准确性。

为实现上述目的，本发明提供的一种人脸识别方法，包括：

获取训练图像集，对所述训练图像集进行人脸检测，得到人脸图像集；

对所述人脸图像进行脸部频域变换，生成标准人脸图像集，利用预设的决策树算法对所述标准人脸图像集进行人脸对齐，得到目标人脸图像集；

利用所述目标人脸图像集对预构建的服务端人脸特征提取模型进行训练，得到训练完成的服务端人脸特征提取模型；

利用所述训练完成的服务端人脸特征提取模型对预构建的客户端人脸特征提取模型进行蒸馏训练，得到训练完成的客户端人脸特征提取模型；

接收待识别人脸图像，利用所述训练完成的客户端人脸特征提取模型对所述待识别人脸图像进行特征提取，得到待识别人脸特征图像；

利用预设人脸数据库中的人脸图像对所述待识别人脸特征图像进行人脸识别，得到识别结果。

可选地，所述对所述训练图像集进行人脸检测，得到人脸图像，包括：

利用预训练好的人脸检测模型中的输入门计算所述训练图像集的状态值，及利用所述人脸检测模型中的遗忘门计算所述训练图像集的激活值；

根据所述状态值和激活值计算所述训练图像集像的状态更新值；

利用所述人脸检测模型中的输出门计算所述状态更新值的人脸位置序列；

利用所述人脸检测模型中的损失函数计算所述人脸位置序列与对应人脸图像标签的损失值，选取损失值小于预设损失值的人脸位置序列，得到人脸图像。

可选地，所述对所述人脸图像集进行脸部频域转换，得到标准人脸图像集，包括：

对所述人脸图像集进行傅里叶变换，得到频域人脸图像集；

过滤所述频域人脸图像集中的环境光，得到标准频域人脸图像集；