[发明专利]一种面部识别方法及装置

权利要求书

1.一种面部识别方法，其特征在于，包括：

S1，使用第一卷积神经网络对包含待识别面部信息的目标图像进行特征提取，获取第一特征图集合；其中，所述第一卷积神经网络包括下采样层；

S2，使用第二卷积神经网络对所述第一特征图集合进行特征提取，获取第二特征图集合；其中，所述第二卷积神经网络包括上采样层，所述第二特征图集合中各第二特征图的尺寸与所述目标图像的尺寸相同；

S3，对于所述目标图像中的每个像素，根据各所述第二特征图中与该像素位置相同的像素共同构成的特征向量，在所述第二卷积神经网络中的softmax层对该像素进行分类。

2.根据权利要求1所述的方法，其特征在于，所述第一卷积神经网络中下采样层的个数和所述第二卷积神经网络中上采样层的个数相同；

所述上采样层中上采样窗口的大小和所述下采样层中下采样窗口的大小相同；

所述上采样层中上采样窗口的移动步长和所述下采样层中下采样窗口的移动步长相同。

3.根据权利要求2所述的方法，其特征在于，所述步骤S1具体包括：

对于每个所述下采样层，保留各所述下采样窗口中的最大特征值，去除各所述下采样窗口中的其他特征值；

记录各所述最大特征值在各所述下采样窗口中的位置。

4.根据权利要求3所述的方法，其特征在于，所述步骤S2具体包括：

对于每个所述上采样层，获取该上采样层对应的下采样层；其中，所述上采样层与所述下采样层一一对应；

根据该上采样层对应的下采样层中各所述最大特征值在各所述下采样窗口中的位置，将各所述下采样窗口中各所述最大特征值写入相应的所述上采样窗口的所述位置中；

在所述上采样窗口中的其他位置写入0。

5.根据权利要求1-4任一所述的方法，其特征在于，所述步骤S3中在所述第二卷积神经网络中的softmax层对该像素进行分类具体包括：

对于所述目标图像中的每个像素，获取该像素属于各预设类别的概率；

将最大的所述概率对应的预设类别作为该像素的类别。

6.根据权利要求1-4任一所述的方法，其特征在于，所述步骤S1之前还包括：

将预先获取的各样本输入第一卷积神经网络，经过第一卷积神经网络和第二卷积神经网络的计算，输出各所述训练样本中各像素属于各预设类别的概率；

使用交叉熵损失函数量化各所述训练样本中各像素属于各预设类别的概率和各像素的正确类别之间的差距；

根据所述差距，使用梯度下降法对所述第一卷积神经网络和所述第二卷积神经网络中的权值进行更新。

7.根据权利要求1-4任一所述的方法，其特征在于，所述步骤S3还包括：

根据所述目标图像中各像素所属类别的优先级，对所述目标图像中各像素所属区域的边界进行平滑处理；

其中，所述像素所属的类别包括牙、嘴唇、鼻子、眼睛、眉毛、脸和背景中的一种或多种；

牙的优先级大于嘴唇的优先级，鼻子、眼睛、眉毛和嘴唇的优先级相同，嘴唇的优先级大于脸的优先级，脸的优先级大于背景的优先级。

8.一种面部识别装置，其特征在于，包括：

第一提取单元，用于使用第一卷积神经网络对包含待识别面部信息的目标图像进行特征提取，获取第一特征图集合；其中，所述第一卷积神经网络包括下采样层；

第二提取单元，用于使用第二卷积神经网络对所述第一特征图集合进行特征提取，获取第二特征图集合；其中，所述第二卷积神经网络包括上采样层，所述第二特征图集合中各第二特征图的尺寸与所述目标图像的尺寸相同；

分类单元，用于对于所述目标图像中的每个像素，根据各所述第二特征图中与该像素位置相同的像素共同构成的特征向量，在所述第二卷积神经网络中的softmax层对该像素进行分类。