[发明专利]人脸识别方法、装置及设备

说明书

本发明提供一种人脸识别方法、装置及设备，其中该方法包括：提取视频文件的关键帧；确定所述关键帧后播放的预设数量的图像帧为非关键帧；对所述关键帧进行人脸识别，获得所述关键帧中的人脸图像；根据所述关键帧中的人脸图像，对所述非关键帧进行人脸跟踪，获得所述非关键帧中的人脸图像。本发明所述人脸识别方法和装置，只对视频文件的关键帧进行人脸识别，对关键帧后播放的预设数量的图像帧进行人脸跟踪，由于无需对视频文件的每一图像帧均执行人脸识别，对部分图像帧采用人脸跟踪的方式，相对于执行人脸识别过程，运算速度会快很多，从而解决现有技术视频中的人脸识别过程计算量大，耗时和耗力的问题。

技术领域

本发明涉及人工智能技术领域，尤其是指一种人脸识别方法、装置及设备。

背景技术

人脸识别是一种利用人脸面部的稳定特征进行身份认证的生物特征技术，它具有友好，方便、准确、直观、非强制性和非接触性的特点，近年来受到了广泛的关注，尤其是对于智能安防、金融支付和访问控制等领域起着越来越重要的作用。

目前的人脸识别研究主要是不断提出新的卷积神经网络，达到提高人脸识别的准确度处理速度的目标。基于图片的人脸粗粒度识别已经做得很成熟，比较有代表意义的就是使用DeepFace、DeepID2或VGG-Face进行人脸识别。但是，基于视频的人脸识别目前还是有很大的问题，主要体现在视频检测处理的速度和精度上面。

传统的视频人脸识别方法都是逐帧对图片中的人脸进行检测和识别，每一帧都要通过深度卷积神经网络运算一次。这种运算的最大缺点就是计算量大，每做一次深度网络的运算都需要耗费大量的计算机资源。

发明内容

本发明技术方案的目的在于提供一种人脸识别方法、装置及设备，用于解决现有技术视频中的人脸识别过程计算量大，耗时和耗力的问题。

本发明实施例一方面提供一种人脸识别方法，其中，包括：

提取视频文件的关键帧；

确定所述关键帧后播放的预设数量的图像帧为非关键帧；

对所述关键帧进行人脸识别，获得所述关键帧中的人脸图像；

根据所述关键帧中的人脸图像，对所述非关键帧进行人脸跟踪，获得所述非关键帧中的人脸图像。

优选地，所述的人脸识别方法，其中，所述对所述关键帧进行人脸识别，获得所述关键帧中的人脸图像的步骤包括：

将所述关键帧输入至经过预先训练获得的人脸识别网络模型中，获得所述关键帧中的人脸特征图像；

其中，所述人脸识别网络模型是通过卷积神经网络模型对包括多张相似人脸的样本图片进行人脸的特征训练获得。

优选地，所述的人脸识别方法，其中，所述根据所述关键帧中的人脸图像，对所述非关键帧进行人脸跟踪，获得所述非关键帧中的人脸图像的步骤之后，所述方法还包括：

利用所述关键帧中的人脸图像和所述非关键帧中的人脸图像，对所述人脸识别网络模型进行端到端的训练。

优选地，所述的人脸识别方法，其中，所述卷积神经网络模型包括多个卷积层，其中每一卷积层均包括一3×3的滤波器。

优选地，所述的人脸识别方法，其中，所述卷积神经网络的每一卷积层均附有非线性激活函数，且第一个卷积层、第二个卷积层、第四个卷积层和第六个卷积层后均连接有池化层。

优选地，所述的人脸识别方法，其中，所述卷积神经网络模型还包括连接在最后一个卷积层后的全连接层和K类分类器softmax层。

优选地，所述的人脸识别方法，其中，所述根据所述关键帧中的人脸图像，对所述非关键帧进行人脸跟踪，获得所述非关键帧中的人脸图像的步骤包括：