人脸识别方法及装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115035572A(43)申请公布日2022.09.09(21)申请号202210585473.7G06V10/54(2022.01)(22)申请日2022.05.27G06V10/764(2022.01)G06V10/774(2022.01)(71)申请人汤姆逊（广东）智能科技有限公司G06V10/80(2022.01)地址528300广东省佛山市顺德区大良街G06V10/82(2022.01)道大门社区德胜金沙大道瑶岗路12号之一501室(72)发明人谷瑞王成城(74)专利代理机构广州嘉权专利商标事务所有限公司44205专利代理师陈攀登(51)Int.Cl.G06V40/16(2022.01)G06N3/04(2006.01)G06N3/08(2006.01)G06V10/46(2022.01)权利要求书2页说明书9页附图3页(54)发明名称人脸识别方法及装置(57)摘要本发明公开了一种人脸识别方法及装置。实施本发明，有利于使得该目标人脸特征不仅具备全局特征的能够适用于复杂的识别场景的优势，也能够具备局部特征的能够适用于解决差异性较小的脸部分类问题，这有利于提高人脸识别的准确率，以及有利于满足在复杂环境下差异度较小的人脸识别的需求。CN115035572ACN115035572A权利要求书1/2页1.一种人脸识别方法，应用于人脸识别装置，其中，所述人脸识别装置用于识别目标人脸图像，其特征在于，所述方法包括：所述人脸识别装置确定所述目标人脸图像的局部纹理特征；所述人脸识别装置确定所述目标人脸图像的局部方向特征；所述人脸识别装置确定所述目标人脸图像的全局特征；所述人脸识别装置对所述局部纹理特征、所述局部方向特征以及所述全局特征执行特征融合操作，得到所述目标人脸图像的目标特征；所述人脸识别装置将所述目标特征输入至分类器，经由所述分类器输出人脸识别结果。2.根据权利要求1所述的人脸识别方法，其特征在于，所述人脸识别装置确定所述目标人脸图像的局部纹理特征，具体包括：所述人脸识别装置基于LBP特征函数，针对所述目标人脸图像执行局部纹理特征提取的操作，得到所述目标人脸图像的局部纹理特征，其中，所述LBP特征函数对应的算子为椭圆形LBP算子。3.根据权利要求1所述的人脸识别方法，其特征在于，所述人脸识别装置确定所述目标人脸图像的局部方向特征，具体包括：所述人脸识别装置确定出所述目标人脸图像的水平方向梯度；所述人脸识别装置确定出所述目标人脸图像的垂直方向梯度；所述人脸识别装置根据所述水平方向梯度和所述垂直方向梯度，确定所述目标人脸图像的方向梯度直方图；所述人脸识别装置根据所述方向梯度直方图，确定所述目标人脸图像的局部方向特征。4.根据权利要求1所述的人脸识别方法，其特征在于，所述人脸识别装置确定所述目标人脸图像的全局特征，具体包括：所述人脸识别装置基于预先确定的神经网络模型以及预先确定的该网络模型的权重参数，对所述目标人脸图像执行全局特征提取的操作，以确定出所述目标人脸图像的全局特征。5.根据权利要求1所述的人脸识别方法，其特征在于，所述人脸识别装置对所述局部纹理特征、所述局部方向特征以及所述全局特征执行特征融合操作，得到所述目标人脸图像的目标特征，具体包括：所述人脸识别装置针对所述局部纹理特征、所述局部方向特征以及所述全局特征基于线性函数执行特征融合操作，确定出所述目标人脸图像的目标特征。6.根据权利要求1所述的人脸识别方法，其特征在于，在所述人脸识别装置针对所述局部纹理特征、所述局部方向特征以及所述全局特征基于线性函数执行特征融合操作之前，以及在所述人脸识别装置确定所述目标人脸图像的局部纹理特征、局部方向特征和全局特征之后，所述方法还包括：所述人脸识别装置对所述局部纹理特征、局部方向特征和全局特征进行维度匹配处理，使得所述局部纹理特征、局部方向特征和全局特征的维度一致。7.根据权利要求1所述的人脸识别方法，其特征在于，所述人脸识别结果包括所述目标2CN115035572A权利要求书2/2页人脸图像中的人脸所对应的人名，所述人脸识别装置将所述目标特征输入至分类器，经由所述分类器输出人脸识别结果，具体包括：所述人脸识别装置将所述目标特征输入至全连接神经网络，转换成目标特征向量；所述人脸识别装置将所述目标特征向量输入至softmax分类器，使得所述softmax分类器输出所述目标人脸图像中的人脸所对应的人名。8.根据权利要求1所述的人脸识别方法，其特征在于，在所述人脸识别装置对所述局部纹理特征、所述局部方向特征以及所述全局特征执行特征融合操作，得到所述目标人脸图像的目标特征之后，以及在所述人脸识别装置将所述目标特征输入至分类器，经由所述分类器输出人脸识别结果之前，所述方法还包括