[发明专利]一种面部识别方法及装置

说明书

本发明提供一种面部识别方法及装置，所述方法包括：S1，使用第一卷积神经网络对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。本发明准确提取目标图像特征，并以像素为单位分割出人脸和五官的具体位置，提高了面部识别的精确度。

技术领域

本发明属于图像识别领域，更具体地，涉及一种面部识别方法及装置。

背景技术

人脸检测是在图像中定位人脸的过程。早期人脸检测方法主要包括模板匹配、子空间方法和变形模板匹配等。近期人脸检测的研究主要集中在基于数学驱动的学习方法，如统计模型方法、神经网络学习方法、统计知识理论和支持向量机方法、基于马尔科夫随机域的方法等。

目前，实际应用中的人脸检测方法多为基于Haar特征的Adaboost算法。Adaboost算法是一种将较弱分类器组合在一起，得到强分类器的方法。使用该算法进行人脸检测的目的是从图片中找出所有包含人脸的子窗口，将人脸的子窗口与非人脸的子窗口分开。从而在图像中准确标定出人脸的位置和大小。人脸检测在实际中主要用于人脸识别的预处理。

接着，进一步对检测出的人脸进行人脸对齐。人脸对齐是指根据输入的人脸图像，自动定位面部关键特征点，如眼睛、鼻尖、嘴角点、眉毛以及人脸各部件轮廓点等。通过人脸对齐，机器能够对人脸的每个部位进行定位与跟踪，并提取相应的部位特征。然后利用部位特征分析评估人的精神状态，例如司机的异常驾驶状态的识别，所述异常驾驶状态包括正常、疲劳和情绪不稳定等，从而及早发现司机的异常驾驶状态，避免交通事故的发生。

但是，现有技术在光线明暗变换不稳定的情况下，面部识别会受到严重干扰，从而影响面部识别的准确性。

发明内容

为克服上述由于光线因素面部识别准确性不高的问题或者至少部分地解决上述问题，本发明提供了一种面部识别方法及装置。

根据本发明的第一方面，提供一种面部识别方法，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。

具体地，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。

具体地，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。

具体地，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；