[发明专利]人脸识别的方法、装置及计算机装置

说明书

本发明公开了一种人脸识别的方法、装置及计算机装置。在本发明中，根据预设的人脸特征提取模型提取预设训练集中任意两个样本的特征向量，并进行归一化处理，获取所述任意两个样本的融合特征向量以及参照相似度，依次遍历所有互不相同的两个样本，获得预设训练集中所有互不相同的两个样本的融合特征向量和参照相似度，根据所有互不相同的两个样本的融合特征向量和参照相似度训练回归模型，利用训练后的回归模型对待识别的人脸图片进行识别。本发明根据预设训练集中所有融合特征向量和参照相似度训练回归模型，训练后的回归模型可以有效区分不同类别标记的样本，在对待识别的人脸图片进行识别时，可以有效提高人脸识别的效果和准确率。

技术领域

本发明属于图像处理领域，尤其涉及一种人脸识别的方法、装置及计算机装置。

背景技术

人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术，其广泛应用于身份验证、安防监控、门禁考勤系统以及司法刑侦等领域。人脸识别主要包括人脸检测、人脸对齐、人脸特征提取以及人脸相似度的确定等过程。其中，人脸相似度的确定是人脸识别中的一个重要环节，其可以直接影响人脸识别的结果。目前，现有的确定人脸相似度的方法主要包括：(1)基于距离的确定人脸相似度的方法，如欧氏距离、余弦距离或者马氏距离等，但该方法效果较差，其难以区分在特征空间分布较为接近的样本。(2)基于分类的确定人脸相似度的方法，例如支持向量机的分类方法。但该方法的模型复杂度会随着训练数据的增加而增加，造成计算量大、计算效率低，进而导致后续的人脸识别存在效果差、效率低。

因此，现有的人脸识别的方法存在效果差、效率低的问题。

发明内容

本发明提供一种人脸识别的方法、装置及计算机装置，旨在解决现有的人脸识别的方法存在的效果差、效率低的问题。

本发明第一方面提供一种人脸识别的方法，所述方法包括：

根据预设的人脸特征提取模型提取预设训练集中任意两个样本的特征向量；

分别对所述任意两个样本的特征向量进行归一化处理；

获取所述任意两个样本的融合特征向量；

获取所述任意两个样本的参照相似度；

依次遍历所述预设训练集中所有互不相同的两个样本，获得所述预设训练集中所有互不相同的两个样本的融合特征向量和参照相似度；

获取所述预设训练集的任一融合特征向量；

将所述任一融合特征向量输入至回归模型，获得所述任一融合特征向量所对应的两个样本的训练相似度，其中，所述回归模型至少包括第一全连接层和第二全连接层，且所述第一全连接层和第二全连接层均采用激活函数对所述任一融合特征向量做特征映射变换；

利用损失函数确定所述任一融合特征向量所对应的两个样本的训练相似度与所述任一融合特征向量所对应的两个样本的参照相似度的误差；

若所述误差不满足预设收敛条件，则利用随机梯度下降通过反向传播的过程调整所述回归模型的所述第一全连接层的参数和所述第二全连接层的参数；

重复上述迭代过程，直至所述误差满足预设收敛条件，将满足预设收敛条件之前的最后一次迭代过程的第一全连接层的参数和第二全连接层的参数作为回归模型的第一全连接层的参数和第二全连接层的参数，确定训练后的回归模型；

利用所述训练后的回归模型，对待识别的人脸图片进行识别。

在较优的一实施例中，所述获取所述任意两个样本的融合特征向量包括：

将归一化后的任意两个样本的特征向量的对应维度的元素分别相乘，并将相乘的结果作为所述任意两个样本的融合特征向量的相应维度的元素，获得所述任意两个样本的融合特征向量。