[发明专利]一种人脸识别方法、装置及电子设备在审
| 申请号： | 202210141102.X | 申请日： | 2022-02-16 |
| 公开（公告）号： | CN114519882A | 公开（公告）日： | 2022-05-20 |
| 发明（设计）人： | 陈碧辉;辛冠希;钱贝贝 | 申请（专利权）人： | 奥比中光科技集团股份有限公司 |
| 主分类号： | G06V40/16 | 分类号： | G06V40/16;G06V10/764;G06V10/80;G06V10/774;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 深圳汉世知识产权代理事务所(特殊普通合伙) 44578 | 代理人： | 冷仔 |
| 地址： | 518063 广东省深圳市南山区粤*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 识别 方法 装置 电子设备 | ||
1.一种人脸识别方法，其特征在于，包括：
获取第一模态的第一人脸图像和第二模态的第二人脸图像；
根据所述第一人脸图像或所述第二人脸图像确定人脸是否佩戴口罩；
若是，则对所述第一人脸图像的口罩区域进行裁剪得到第一模态半脸图像，将所述第一模态半脸图像输入经训练的第一神经网络模型输出第一模态人脸特征数据；对所述第二人脸图像的口罩区域进行裁剪得到第二模态半脸图像，将所述第二模态半脸图像输入经训练的第二神经网络模型输出第二模态人脸特征数据；
根据所述第一模态人脸特征数据和所述第二模态人脸特征数据进行人脸识别。
2.如权利要求1所述的人脸识别方法，其特征在于，经训练的所述第一神经网络模型由多个所述第一模态的第一图像样本训练初始的所述第一神经网络模型得到，所述第一图像样本包括第一半脸图像；经训练的所述第二神经网络模型由多个所述第二模态的第二图像样本训练初始的所述第二神经网络模型得到，所述第二图像样本包括第二半脸图像，经训练的所述第一神经网络模型作为初始的所述第二神经网络模型，所述第一图像样本的数量大于所述第二图像样本的数量。
3.如权利要求2所述的人脸识别方法，其特征在于，得到经训练的所述第一神经网络模型，包括：获取多个第一模态的第一人脸图像样本；对所述第一人脸图像样本依次进行人脸检测、半脸剪裁和归一化处理后得到第一半脸图像；利用多个所述第一半脸图像，使用分类损失训练初始的第一神经网络模型得到经训练的第一神经网络；
得到经训练的所述第二神经网络模型，包括：获取多个第二模态的第二人脸图像样本；对所述第二人脸图像样本依次进行人脸检测、半脸剪裁和归一化处理后得到第二半脸图像；利用多个所述第二半脸图像，使用分类损失训练初始的第二神经网络模型得到经训练的第二神经网络。
4.如权利要求1至3任一项所述的人脸识别方法，其特征在于，所述根据所述第一模态人脸特征数据和所述第二模态人脸特征数据进行人脸识别，包括：
将所述第一模态人脸特征数据和所述第二模态人脸特征数据进行拼接，得到人脸融合特征数据，根据所述人脸融合特征数据进行人脸识别。
5.如权利要求1至3任一项所述的人脸识别方法，其特征在于，所述根据所述第一人脸图像或所述第二人脸图像确定人脸佩戴口罩，包括：
将所述第一人脸图像输入第三神经网络模型输出人脸佩戴口罩的第一概率，当所述第一概率大于预设概率阈值，则确定人脸佩戴口罩；或
将所述第二人脸图像输入第四神经网络模型输出人脸佩戴口罩的第二概率，当所述第二概率大于所述预设概率阈值，则确定人脸佩戴口罩。
6.如权利要求5所述的人脸识别方法，其特征在于，所述将所述第一人脸图像输入第三神经网络模型输出人脸佩戴口罩的第一概率，包括：
将所述第一人脸图像缩放成预设尺寸，将缩放后的所述第一人脸图像输入第三神经网络模型输出人脸佩戴口罩的第一概率；
所述将所述第二人脸图像输入第四神经网络模型输出人脸佩戴口罩的第二概率，包括：
将所述第二人脸图像缩放成所述预设尺寸，将缩放后的所述第二人脸图像输入第四神经网络模型输出人脸佩戴口罩的第二概率。
7.如权利要求6所述的人脸识别方法，其特征在于，所述第三神经网络模型和所述第四神经网络模型由逐通道卷积模块和线性整流函数模块堆叠而成。
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奥比中光科技集团股份有限公司，未经奥比中光科技集团股份有限公司许可，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/202210141102.X/1.html，转载请声明来源钻瓜专利网。
