[发明专利]人脸识别方法和装置

权利要求书

1.一种人脸识别方法，包括：

对待识别人脸图像中的待识别人脸进行人脸特征提取，以获得所述待识别人脸的一级特征；

计算所述待识别人脸的一级特征与参考人脸集合中的每个参考人脸的一级特征之间的一级特征相似度，以获得所述待识别人脸的二级特征；以及

基于所述待识别人脸的二级特征对所述待识别人脸进行人脸识别；

其中，所述计算所述待识别人脸的一级特征与参考人脸集合中的每个参考人脸的一级特征之间的一级特征相似度以获得所述待识别人脸的二级特征包括：

计算所述待识别人脸的一级特征与参考人脸集合中的每个参考人脸的一级特征之间的一级特征相似度；

将计算得到的所有一级特征相似度串联起来构成一个多维向量，以形成所述待识别人脸的二级特征。

2.如权利要求1所述的人脸识别方法，其中，所述对所述待识别人脸进行人脸识别是利用分类器实施的，所述分类器利用有标注数据进行训练而获得，其中，所述有标注数据包括多个训练人脸图像集合并且每个训练人脸图像集合包括与同一训练人脸相对应的至少两个训练人脸图像，

所述人脸识别方法进一步包括：

对所述有标注数据中的每个训练人脸图像中的训练人脸进行人脸特征提取，以获得每个训练人脸图像中的训练人脸的一级特征；

计算每个训练人脸图像中的训练人脸的一级特征与所述参考人脸集合中的每个参考人脸的一级特征之间的一级特征相似度，以获得每个训练人脸图像中的训练人脸的二级特征；以及

将与同一训练人脸相对应的两个训练人脸图像中的训练人脸的二级特征作为正样本，将与不同训练人脸相对应的两个训练人脸图像中的训练人脸的二级特征作为负样本进行训练，以获得所述分类器。

3.如权利要求1所述的人脸识别方法，其中，所述一级特征包含以下项中的一项或多项：普通局部二值模式特征、高维局部二值模式特征、加伯特征、费舍尔向量特征、尺度不变特征变换特征、深度学习特征。

4.如权利要求1所述的人脸识别方法，其中，所述参考人脸集合中的每个参考人脸的一级特征存储在参考人脸数据库中。

5.如权利要求1所述的人脸识别方法，其中，包含所述参考人脸集合的参考人脸图像集合存储在参考人脸数据库中，

在所述计算所述待识别人脸的一级特征与参考人脸集合中的每个参考人脸的一级特征之间的一级特征相似度以获得所述待识别人脸的二级特征之前，所述人脸识别方法进一步包括：

对所述参考人脸集合中的每个参考人脸进行人脸特征提取，以获得所述参考人脸集合中的每个参考人脸的一级特征。

6.如权利要求1所述的人脸识别方法，其中，所述对所述待识别人脸进行人脸识别包括：

根据所述待识别人脸的二级特征与特定人脸的二级特征之间的二级特征相似度判断所述待识别人脸和所述特定人脸是否属于同一对象。

7.一种人脸识别装置，包括：

第一一级特征获得模块，用于对待识别人脸图像中的待识别人脸进行人脸特征提取，以获得所述待识别人脸的一级特征；

第一二级特征获得模块，用于计算所述待识别人脸的一级特征与参考人脸集合中的每个参考人脸的一级特征之间的一级特征相似度，以获得所述待识别人脸的二级特征；以及

识别模块，用于基于所述待识别人脸的二级特征对所述待识别人脸进行人脸识别；

其中，所述第一二级特征获得模块包括：

相似度计算子模块，用于计算所述待识别人脸的一级特征与参考人脸集合中的每个参考人脸的一级特征之间的一级特征相似度；

串联子模块，用于将计算得到的所有一级特征相似度串联起来构成一个多维向量，以形成所述待识别人脸的二级特征。