[发明专利]一种人脸识别方法和电子设备

说明书

本发明实施例涉及一种人脸识别方法和电子设备，所述方法包括：获取待识别的人脸图像；确定待识别的人脸图像中是否存在非正常区域，如果存在所述非正常区域，则根据非正常区域、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，利用选择的局部人脸特征模型对所述待识别的人脸图像进行识别，以获得所述待识别的人脸图像对应的身份。本发明实施例根据非正常区域选择一个局部人脸特征模型对待识别的人脸图像进行识别，可以选择非正常区域影响较小的局部人脸特征模型，从而减小非正常区域对人脸识别的影响，提高人脸识别的准确率。

技术领域

本发明实施例涉及人脸识别技术领域，特别涉及一种人脸识别方法和电子设备。

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，目前的人脸识别通常利用基于机器学习的神经网络模型进行识别。即训练基于机器学习的神经网络模型，然后利用所述识别模型对已知身份的人脸图像提取人脸特征，获得已知身份的人脸特征。在对未知身份的人脸图像进行识别时，首先利用该识别模型提取人脸特征，获得未知身份的人脸特征，再将未知身份的人脸特征匹配已知身份的人脸特征，从而获得所述未知身份。

在实现本发明过程中，发明人发现相关技术中至少存在如下问题：

在利用样本图片训练所述识别模型时，需利用高质量的人脸图片进行训练。因此，在进行人脸识别时，也需要人脸没有遮挡、且光照均匀稳定，对于光照条件差或有遮挡的人脸识别效果差。

发明内容

本发明实施例的目的是提供一种识别效果好的人脸识别方法和电子设备，即使对于光照条件差或者有遮挡的人脸亦能获得较好的识别效果。

第一方面，本发明实施例提供了一种人脸识别方法，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，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；

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，以获得所述待识别的人脸图像对应的身份。

在其中一些实施例中，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。

在其中一些实施例中，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：

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。

在其中一些实施例中，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。

在其中一些实施例中，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；