人脸识别方法、装置、设备和存储介质.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CN110147740A(43)申请公布日2019.08.20(21)申请号201910360663.7(22)申请日2019.04.30(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)发明人王塑杜佳慧刘宇李亮亮(74)专利代理机构北京华进京联知识产权代理有限公司11606代理人朱五云李姣姣(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)权利要求书2页说明书12页附图5页(54)发明名称人脸识别方法、装置、设备和存储介质(57)摘要本发明涉及一种人脸识别方法、装置、设备和存储介质，终端将待识别的人脸图片输入预设的人脸识别模型，获取待识别的人脸图片的深层特征，其中，深层特征用于描述不受环境影响的人脸的宏观信息，进而根据深层特征，获取待识别的人脸图片对应的人脸识别结果。使得人脸识别结果是通过不受环境影响的人脸的宏观信息获得的，避免了在人脸识别的过程中，受环境影响导致人脸识别的准确率低的问题，提高了人脸识别的准确率。CN110147740ACN110147740A权利要求书1/2页1.一种人脸识别方法，其特征在于，所述方法包括：将待识别的人脸图片输入预设的人脸识别模型，获取所述待识别的人脸图片的深层特征；所述深层特征用于描述不受环境影响的人脸的宏观信息；根据所述深层特征，获取所述待识别的人脸图片对应的人脸识别结果。2.根据权利要求1所述方法，其特征在于，所述预设的人脸识别模型包括浅层识别单元和深层识别单元，则所述将待识别的人脸图片输入预设的人脸识别模型，获取所述待识别的人脸图片的深层特征，包括：根据所述待识别的人脸图片和所述浅层识别单元，获取所述待识别的人脸图片的特征降维矢量；所述特征降维矢量包括将所述待识别的人脸图片转换到降维特征空间中的矢量；将所述特征降维矢量输入所述深层识别单元，获取所述待识别的人脸图片的深层特征。3.根据权利要求2所述方法，其特征在于，所述将所述特征降维矢量输入所述深层识别单元，获取所述待识别的人脸图片的深层特征，包括：将所述特征降维矢量输入所述深层识别单元，获取所述待识别的人脸图片对应的深层特征空间中矢量的均值和标准差；根据所述深层特征空间中矢量的均值和标准差，提取所述深层特征。4.根据权利要求2或3所述方法，其特征在于，所述方法还包括：根据所述待识别的人脸图片和所述浅层识别单元，获取所述待识别的人脸图片的浅层特征；所述浅层特征用于描述人脸的精细化信息；将所述浅层特征，获得输入所述深层识别单元，获取所述待识别的人脸图片的深层特征；则所述根据所述深层特征，确定所述待识别的人脸图片对应的人脸识别结果，包括：根据所述浅层特征和所述深层特征，获取所述待识别的人脸图片对应的人脸识别结果。5.根据权利要求4所述方法，其特征在于，所述根据所述待识别的人脸图片和所述浅层识别单元，获取所述待识别的人脸图片的浅层特征，包括：将所述待识别的人脸图片输入所述浅层识别单元，获取所述待识别的人脸图片对应的浅层特征空间中矢量的均值和标准差；并根据所述浅层特征空间中矢量的均值和标准差，提取所述浅层特征；所述浅层特征空间包括将所述人脸图片的像素值转换为矢量值得到的特征空间。6.根据权利要求1-3任一项所述方法，其特征在于，所述方法还包括：获取多个人脸图片；获取所述多个人脸图片对应的深层特征；将所述多个人脸图片作为输入，将所述多个人脸图片对应的深层特征作为输出，训练得到所述预设的人脸识别模型。7.根据权利要求6所述方法，其特征在于，所述将所述多个人脸图片作为输入，将所述多个人脸图片对应的深层特征作为输出，训练得到预设的人脸识别模型，包括：将所述多个人脸图片输入初始的人脸识别模型，获取多个浅层特征、深层特征和无关2CN110147740A权利要求书2/2页特征；所述无关特征用于描述与人脸识别无关的信息；根据所述多个浅层特征和深层特征，及预设的标准深层特征，获取比对损失函数的值；根据所述多个无关特征，获取标准损失函数的值；根据所述比对损失函数的值和所述标准损失函数的值，调整所述初始的人脸识别模型中的各参数，直至所述比对损失函数和所述标准损失函数满足预设的标准阈值为止，得到所述预设的人脸识别模型。8.一种人脸识别装置，其特征在于，所述装置包括：获取模块，用于将待识别的人脸图片输入预设的人脸识别模型，获取所述人脸图片的深层特征；所述深层特征用于描述不受环境影响的人脸的宏观信息；识别模块，用于根据所述深层特征，获取所述人脸图片对应的人脸识别结果。9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，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1-7