[发明专利]人脸图像识别方法、设备、电子装置和存储介质在审

专利信息
申请号: 202110851821.6 申请日: 2021-07-27
公开(公告)号: CN113657195A 公开(公告)日: 2021-11-16
发明(设计)人: 江俊林 申请(专利权)人: 浙江大华技术股份有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 杭州华进联浙知识产权代理有限公司 33250 代理人: 贺才杰
地址: 310016 浙江*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 识别 方法 设备 电子 装置 存储 介质
【权利要求书】:

1.一种人脸图像识别方法,其特征在于,包括:

获取第一人脸图像,提取所述第一人脸图像的全局人脸特征和多个局部人脸特征,其中,多个所述局部人脸特征分别对应于所述第一人脸图像的多个局部图像;

根据各所述局部图像的遮挡比例,确定各所述局部图像对应的局部人脸特征的局部人脸特征权值;

根据所述全局人脸特征、多个所述局部人脸特征以及多个所述局部人脸特征权值,识别所述第一人脸图像对应的身份。

2.根据权利要求1所述的人脸图像识别方法,其特征在于,所述提取所述第一人脸图像的全局人脸特征和多个局部人脸特征包括:

在所述第一人脸图像中提取人脸关键点,根据与预设的人脸识别区域对应的人脸关键点,将所述第一人脸图像裁剪为多个局部图像;

对于每个所述局部图像,通过与所述局部图像对应的局部特征模型提取对应的局部人脸特征。

3.根据权利要求1所述的人脸图像识别方法,其特征在于,所述根据各所述局部图像的遮挡比例,确定各所述局部图像对应的局部人脸特征的局部人脸特征权值包括:

对于每个所述局部图像,通过对应的局部特征模型获取所述局部图像的遮挡比例;

根据所述遮挡比例确定与所述局部图像对应的遮挡置信度;

根据所述遮挡置信度确定所述局部人脸特征权值。

4.根据权利要求1所述的人脸图像识别方法,其特征在于,所述根据所述全局人脸特征、多个所述局部人脸特征以及多个所述局部人脸特征权值,识别所述第一人脸图像对应的身份包括:

根据所述第一人脸图像中的局部人脸特征权值和相应的第二人脸图像中的局部人脸特征权值以及预设的局部相似度系数,计算局部人脸特征组的局部相似度权值;

根据所述第一人脸图像中的全局人脸特征和所述第二人脸图像中的全局人脸特征之间的余弦距离、所述第一人脸图像中的局部人脸特征和相应的所述第二人脸图像中的局部人脸特征之间的余弦距离、预设的全局人脸特征权值以及所述局部相似度权值,计算所述第一人脸图像和所述第二人脸图像的相似度;

根据所述相似度判断所述第一人脸图像对应的身份和所述第二人脸图像对应的身份是否一致。

5.根据权利要求4所述的人脸图像识别方法,其特征在于,所述根据所述第一人脸图像中的全局人脸特征和所述第二人脸图像中的全局人脸特征之间的余弦距离、所述第一人脸图像中的局部人脸特征和相应的所述第二人脸图像中的局部人脸特征之间的余弦距离、预设的全局人脸特征权值以及所述局部相似度权值,计算所述第一人脸图像和所述第二人脸图像的相似度包括:

根据所述第一人脸图像中的局部人脸特征与相应的所述第二人脸图像中的局部人脸特征之间的余弦距离,以及所述局部相似度权值,确定与所述局部人脸特征组对应的局部相似度;

根据所述第一人脸图像中的全局人脸特征与所述第二人脸图像中的全局人脸特征之间的余弦距离,以及所述全局人脸特征权值,确定全局相似度;

将所述全局相似度与多个所述局部相似度叠加并进行归一化,得到所述第一人脸图像中的人脸和所述第二人脸图像的相似度。

6.根据权利要求1所述的人脸图像识别方法,其特征在于,在所述获取第一人脸图像之前,所述方法包括训练人脸图像识别模型,所述训练人脸图像识别模型包括:

获取训练图像,通过全局子模型提取所述训练图像的全局人脸特征,通过局部子模型提取多个局部人脸特征,其中,多个所述局部人脸特征分别对应于所述第一人脸图像的多个局部图像;

基于所述局部子模型,根据所述局部图像中的遮挡比例,确定各所述局部图像对应的局部人脸特征的局部人脸特征权值;

调整所述全局子模型中的全局人脸特征权值,直到所述全局子模型的损失值收敛,调整所述局部子模型的局部人脸特征权值,直到所述局部子模型的损失值收敛。

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浙江大华技术股份有限公司,未经浙江大华技术股份有限公司许可,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/202110851821.6/1.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