人脸图像的识别方法及其装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110688941A(43)申请公布日2020.01.14(21)申请号201910911181.6(22)申请日2019.09.25(71)申请人支付宝（杭州）信息技术有限公司地址310007浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人曹佳炯(74)专利代理机构北京汇思诚业知识产权代理有限公司11444代理人冯伟(51)Int.Cl.G06K9/00(2006.01)权利要求书4页说明书13页附图4页(54)发明名称人脸图像的识别方法及其装置(57)摘要本发明公开了一种人脸图像的识别方法及其装置。其中，方法包括：获取待识别人脸图像，将待识别人脸图像输入第一人脸特征提取模型中。根据第一人脸特征提取模型的输出，生成待识别人脸图像与预先存储的多个参考人脸图像分别对应的多个第一相似度，将每个第一相似度与第一预设阈值进行对比。根据对比结果，生成人脸图像的识别结果。由此，实现了根据待识别人脸图像与每个参考人脸图像的第一相似度，与第一预设阈值的大小关系，生成人脸图像的识别结果，提高了人脸识别的效率。CN110688941ACN110688941A权利要求书1/4页1.一种人脸图像的识别方法，其特征在于，包括：获取待识别人脸图像；将所述待识别人脸图像输入第一人脸特征提取模型中；根据所述第一人脸特征提取模型的输出，生成所述待识别人脸图像与预先存储的多个参考人脸图像分别对应的多个第一相似度；将每个所述第一相似度与第一预设阈值进行对比；以及根据对比结果，生成所述待识别人脸图像的识别结果。2.如权利要求1所述的方法，其特征在于，所述根据对比结果，生成所述待识别人脸图像的识别结果，包括：如果存在至少一个所述第一相似度大于所述第一预设阈值，则根据第一相似度，生成所述待识别人脸图像的识别结果。3.如权利要求1所述的方法，其特征在于，所述根据对比结果，生成所述待识别人脸图像的识别结果，包括：如果每个所述第一相似度均小于等于所述第一预设阈值，则将所述待识别人脸图像输入第二人脸特征提取模型中；其中，所述第一人脸特征提取模型为训练后的M层卷积神经网络，所述第一人脸特征提取模型输入分辨率为A*A，所述第一人脸特征提取模型的输出包括X维的人脸特征，M，A，X为自然数，所述第二人脸特征提取模型为训练后的N层卷积神经网络，所述第二人脸特征提取模型的输入分辨率为B*B，所述第二人脸特征提取模型的输出包括Y维的人脸特征，N，B，Y为自然数，且B＞A，N＞M，Y＞X；根据所述第二人脸特征提取模型的输出，生成所述待识别人脸图像与预先存储的参考人脸图像分别对应的多个第二相似度；根据所述多个第二相似度，生成所述待识别人脸图像的识别结果。4.如权利要求3所述的方法，其特征在于，所述第二人脸特征提取模型的输出还包括Z维的属性特征，所述属性特征包括性别特征，年龄特征和人种特征中的一种或者多种，Z为自然数。5.如权利要求1所述的方法，其特征在于，所述获取待识别人脸图像，包括：获取包括所述待识别人脸图像的原始图像；对所述原始图像进行人脸检测和人脸校准，以从所述原始图像中提取所述待识别人脸图像；对所述待识别人脸图像进行归一化处理。6.如权利要求4所述的方法，其特征在于，所述M层卷积神经网络通过以下步骤进行训练：获取所述参考人脸图像，以及所述参考人脸图像对应的身份标签；将所述参考人脸图像输入所述M层卷积神经网络；根据所述M层卷积神经网络的输出和所述参考人脸图像对应的所述身份标签，对所述M层卷积神经网络的参数进行训练；当所述M层卷积神经网络对所述身份标签的识别准确率大于等于第二预设阈值时，完成对所述M层卷积神经网络的训练。7.如权利要求6所述的方法，其特征在于，所述获取所述参考人脸图像，包括：2CN110688941A权利要求书2/4页从参考图像库中获取原始参考图像；对所述原始参考图像进行人脸检测和人脸校准，以从所述原始参考图像中提取第一人脸图像；其中，所述第一人脸图像的分辨率为A’*A’，A’为自然数，且A’＞A；对所述第一人脸图像进行归一化处理；对处理后的所述第一人脸图像进行随机裁剪，以得到所述参考人脸图像；其中，所述参考人脸图像的分辨率为A*A。8.如权利要求4所述的方法，其特征在于，所述N层卷积神经网络通过以下步骤进行训练：获取所述参考人脸图像，以及所述参考人脸图像对应的身份标签和属性标签；将所述参考人脸图像输入所述N层卷积神经网络；根据所述N层卷积神经网络的输出和所述参考人脸图像对应的所述身份标签和所述属性标签，对所述N层卷积神经网络的参数进行训练；当所述N层卷积神经网络对所述身份标签和所述属性标签的识别准确率大于等于第三预设阈值时，完成对所述N层卷积神经网络的训练。9.如权利要求8所述的