[发明专利]人脸识别方法和装置、电子设备和计算机程序及存储介质

说明书

本发明实施例公开了一种人脸识别方法和装置、电子设备和计算机程序及存储介质。其中，方法包括：提取当前图像中的人脸特征数据及人脸偏转角度；基于所述人脸偏转角度，获取对应的修正数据；基于所述修正数据对所述特征数据进行修正，生成对应的正脸特征数据。本发明实施例可以提高侧脸识别的准确率，实现以非常小的计算和存储代价大幅提升侧脸识别的性能。

技术领域

本发明属于计算机视觉技术领域，特别是涉及一种人脸识别方法和装置、电子设备和计算机程序及存储介质。

背景技术

随着深度学习技术在计算机视觉领域的应用，我们发现深度学习技术在众多传统计算机视觉问题上都有着非常出众的表现，例如：在人脸识别问题上，通过对卷积神经网络训练提取特征相比于传统的手工设计特征有着更加良好的表现。

虽然当前基于卷积神经网络的人脸识别已经非常普遍，并且对于正脸(指转角小于45度的人脸)的识别表现已经达到、甚至超过了人类，但是对于侧脸(指转角大于或等于45度的人脸)的识别表现还不尽如人意，例如：通过对卷积神经网络训练提取特征验证正脸与侧脸、或者侧脸与侧脸是否为同一个人时，判断的准确性距人类的表现还有一定的差距。

侧脸识别在人脸识别中具有非常重要的意义，在很多情况下会很难得到人的正脸图像，例如：在监控场景下拍摄到人正脸的概率就比较小，因此提高侧脸识别的准确率是当前基于卷积神经网络的人脸识别需要解决的一项非常关键的技术问题。

现有技术在解决侧脸识别准确率问题时主要采用以下两种方案：一种是通过人脸关键点检测，在图像输入层次做变换，通过坐标映射，或者生成式网络，将一张侧脸图像作为输入，得到对应的正脸图像；另一种是对人脸进行3D建模，直接从3D建模投影得到对应角度的人脸做匹配验证。

然而，对于侧脸图像中不可见的人脸区域，例如：一张朝右的侧脸图像没有右半侧脸的信息，坐标映射并不能比较好地推理出这些区域，导致生成的正脸图像一般质量较差，而目前的生成式网络生成的图像往往存在瑕疵，还不能够稳定地生成与真实拍摄得到的图像品质相近的图像，因此使用这类方法并不能切实地提高侧脸识别的准确率；采用对人脸进行3D建模的方法往往需要深度数据，而目前人们能够采集到的大规模人脸数据一般只有RGB3个通道的信息。

发明内容

本发明实施例提供一种人脸识别技术方案。

根据本发明实施例的一个方面，提供一种人脸识别方法，包括：

提取当前图像中的人脸特征数据及人脸偏转角度；

基于所述人脸偏转角度，获取对应的修正数据；

基于所述修正数据对所述特征数据进行修正，生成对应的正脸特征数据。

可选地，在本发明上述任一方法实施例中，所述基于所述人脸偏转角度，获取对应的修正数据，包括：

基于所述特征数据生成残差数据；

依据所述偏转角度修正所述残差数据，生成所述修正数据。

可选地，在本发明上述任一方法实施例中，通过神经网络，依次执行：所述提取当前图像中的人脸特征数据及人脸偏转角度的操作；所述基于所述人脸偏转角度，获取对应的修正数据的操作；以及所述基于所述修正数据对所述特征数据进行修正，生成对应的正脸特征数据的操作。

可选地，在本发明上述任一方法实施例中，所述神经网络包括特征提取子网络及修正子网络；

所述提取当前图像中的人脸特征数据，包括：

通过所述特征提取子网络，提取当前图像中的人脸特征数据；

所述提取当前图像中的人脸偏转角度，包括：

通过所述修正子网络，提取当前图像中的人脸偏转角度；