人脸的识别方法、装置、计算机设备及可读存储介质.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CN111079587A(43)申请公布日2020.04.28(21)申请号201911222160.X(22)申请日2019.12.03(71)申请人北京迈格威科技有限公司地址100190北京市海淀区科学院南路2号融科资讯中心A座316-318(72)发明人王泽荣(74)专利代理机构北京华进京联知识产权代理有限公司11606代理人黄易(51)Int.Cl.G06K9/00(2006.01)G06N3/04(2006.01)权利要求书2页说明书8页附图4页(54)发明名称人脸的识别方法、装置、计算机设备及可读存储介质(57)摘要本申请涉及一种人脸的识别方法、装置、计算机设备及可读存储介质。所述方法包括：获取目标用户的人脸图像；根据所述人脸图像，确定所述目标用户的人脸纹理特征和人脸形状特征；对所述人脸纹理特征和所述人脸形状特征进行融合处理，得到所述目标用户的第一人脸特征；对所述第一人脸特征与预先存储的第二人脸特征进行特征比对处理，得到比对结果。采用本申请可以提高人脸识别的准确率。CN111079587ACN111079587A权利要求书1/2页1.一种人脸的识别方法，其特征在于，所述方法包括：获取目标用户的人脸图像；根据所述人脸图像，确定所述目标用户的人脸纹理特征和人脸形状特征；对所述人脸纹理特征和所述人脸形状特征进行融合处理，得到所述目标用户的第一人脸特征；对所述第一人脸特征与预先存储的第二人脸特征进行特征比对处理，得到比对结果。2.根据权利要求1所述的方法，其特征在于，所述根据所述人脸图像，确定所述目标用户的人脸纹理特征和人脸形状特征，包括：从所述人脸图像中提取所述目标用户的面部特征点；根据所述面部特征点，构建所述目标用户的面部特征对应的几何关系图；将所述几何关系图输入至预先训练的图卷积神经网络，输出所述目标用户的人脸形状特征，并将所述人脸图像输入至预先训练的卷积神经网络，输出所述目标用户的人脸纹理特征。3.根据权利要求2所述的方法，其特征在于，所述根据所述面部特征点，构建所述目标用户的面部特征对应的几何关系图，包括：针对每个面部特征点，在各面部特征点中，确定该面部特征点对应的邻接面部特征点，并确定该面部特征点与邻接面部特征点对应的边的权重；根据所述各面部特征点的属性信息，构建特征点矩阵，并根据所述各面部特征点与邻接面部特征点对应的边的权重，构建邻接矩阵；根据所述特征点矩阵和所述邻接矩阵，构建所述目标用户的面部特征对应的几何关系图。4.根据权利要求3所述的方法，其特征在于，所述针对每个面部特征点，在各面部特征点中，确定该面部特征点对应的邻接面部特征点，并确定该面部特征点与邻接面部特征点对应的边的权重，包括：针对每个面部特征点，确定该面部特征点与其他面部特征点的距离，并在所述其他面部特征点中，将距离最小的预设数目个其他面部特征点，确定为该面部特征点对应的邻接面部特征点；根据该面部特征点与邻接面部特征点的距离，确定该面部特征点与邻接面部特征点对应的边的权重。5.根据权利要求1所述的方法，其特征在于，所述对所述人脸纹理特征和所述人脸形状特征进行融合处理，得到所述目标用户的第一人脸特征，包括：对所述人脸纹理特征和所述人脸形状特征进行对位相乘，得到所述目标用户的第一人脸特征。6.根据权利要求1所述的方法，其特征在于，所述对所述第一人脸特征与预先存储的第二人脸特征进行特征比对处理，得到比对结果，包括：计算所述第一人脸特征与预先存储的第二人脸特征的距离；如果所述距离小于或等于预设距离阈值，则比对结果为所述目标用户与所述第二人脸特征所属的用户为同一用户；如果所述距离大于所述预设距离阈值，则比对结果为所述目标用户与所述第二人脸特2CN111079587A权利要求书2/2页征所属的用户为不同用户。7.根据权利要求1所述的方法，其特征在于，所述对所述第一人脸特征与预先存储的第二人脸特征进行特征比对处理，得到比对结果，包括：将所述第一人脸特征和预先存储的第二人脸特征输入至预先训练的特征比对向量机或特征比对神经网络，得到比对结果。8.一种人脸的识别装置，其特征在于，所述装置包括：获取模块，用于获取目标用户的人脸图像；确定模块，用于根据所述人脸图像，确定所述目标用户的人脸纹理特征和人脸形状特征；融合模块，用于对所述人脸纹理特征和所述人脸形状特征进行融合处理，得到所述目标用户的第一人脸特征；比对模块，用于根据预设的特征比对算法，对所述第一人脸特征与预先存储的第二人脸特征进行特征比对处理，得到比对结果。9.一种计算机设备，包括存储器及处理器，所述存储器上存储有可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。10.一种计