[发明专利]一种人脸识别方法和电子设备

权利要求书

1.一种人脸识别方法，其特征在于，所述方法包括：

获取待识别的人脸图像；

确定所述待识别的人脸图像中是否存在非正常区域，所述非正常区域为无法正常显示人脸特征的区域；

如果存在所述非正常区域，则从预先获取的至少两个局部人脸特征模型中选择一个局部人脸特征模型，选择的局部人脸特征模型对应的至少一个局部区域与所述非正常区域交集最小，所述局部人脸特征模型基于人脸图像中的至少一个局部区域训练获得，所述局部区域通过利用任意多边形或多边形组合截取所述人脸图像获得；

根据选择的局部人脸特征模型对应的所述至少一个局部区域、选择待识别的人脸图像中的至少一个局部区域，利用选择的所述局部人脸特征模型对所述待识别的人脸图像中的至少一个局部区域进行识别，以获得所述待识别的人脸图像对应的身份。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

如果所述待识别的人脸图像中不存在所述非正常区域，则利用预先获取的全脸特征模型对所述待识别的人脸图像进行识别，所述全脸特征模型基于人脸图像训练获得。

3.根据权利要求1或2所述的方法，其特征在于，所述根据所述非正常区域、从预先获取的至少两个局部人脸特征模型中选择一个局部人脸特征模型，包括：

确定交集最小的局部人脸特征模型，所述交集最小的局部人脸特征模型对应的所述至少一个局部区域与所述非正常区域交集最小；

如果所述交集最小的局部人脸特征模型为至少两个，则选择局部人脸特征模型对应的局部区域面积最大的一个。

4.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

获取多个人脸图像样本，从所述人脸图像样本中选择至少一个局部区域，获得多组局部人脸图像样本，每一组局部人脸图像样本的所述至少一个局部区域相同；

基于所述多组局部人脸图像样本训练基于机器学习的神经网络模型，获得多个所述局部人脸特征模型，其中，一个局部人脸特征模型基于一组局部人脸图像样本训练获得；

从所述多个所述局部人脸特征模型中选择预设数量的所述局部人脸特征模型，获得所述至少两个局部人脸特征模型。

5.根据权利要求4所述的方法，其特征在于，所述从所述多个所述局部人脸特征模型中选择预设数量的所述局部人脸特征模型，包括：

获取每个局部人脸特征模型的ROC曲线，并计算每个ROC曲线的AUC值；

从所述多个所述局部人脸特征模型中选择AUC值最大的预设数量的所述局部人脸特征模型。

6.根据权利要求1或2所述的方法，其特征在于，所述确定所述待识别的人脸图像中是否存在非正常区域，包括：

利用预先获取的基于机器学习的非正常区域识别模型确定所述待识别的人脸图像中是否存在所述非正常区域，所述非正常区域包括遮挡区域、和/或暗像素区域、和/或像素过亮区域。

7.根据权利要求2所述的方法，其特征在于，所述方法还包括：

获取已知身份的人脸图像；

根据所述局部人脸特征模型对应的所述至少一个局部区域、选择所述已知身份的人脸图像中的至少一个局部区域；

利用所述局部人脸特征模型、对所述已知身份的人脸图像的至少一个局部区域提取人脸特征，获得所述局部人脸特征模型对应的已知身份的人脸特征。

8.根据权利要求7所述的方法，其特征在于，所述利用选择的所述局部人脸特征模型对所述待识别的人脸图像进行识别，包括：

根据选择的局部人脸特征模型对应的所述至少一个局部区域、选择所述待识别的人脸图像中的至少一个局部区域；

利用选择的所述局部人脸特征模型、对所述待识别的人脸图像的至少一个局部区域提取待识别的人脸特征；

将所述待识别的人脸特征匹配选择的所述局部人脸特征模型对应的已知身份的人脸特征，获得所述待识别的人脸图像对应的身份。