[发明专利]人脸识别方法、装置及计算机设备在审
申请号: | 202010048911.7 | 申请日: | 2020-01-16 |
公开(公告)号: | CN111291627A | 公开(公告)日: | 2020-06-16 |
发明(设计)人: | 陈盛福 | 申请(专利权)人: | 广州酷狗计算机科技有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00 |
代理公司: | 北京三高永信知识产权代理有限责任公司 11138 | 代理人: | 郭新禹 |
地址: | 510660 广东省广州*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 识别 方法 装置 计算机 设备 | ||
1.一种人脸识别方法,其特征在于,包括:
获取待检测图像,所述待检测图像包括人脸;
提取所述待检测图像中的人脸特征信息;
获取目标人物的至少一个已知人脸特征信息,所述至少一个已知人脸特征信息为从至少一张包含所述目标人物的脸部的图片提取的人脸特征信息,所述至少一张包含所述目标人物的脸部的图片包括注册图片;
根据所述人脸特征信息和所述至少一个已知人脸特征信息,确定所述待检测图像中的人脸与所述目标人物的相似度;
基于所述相似度,判断所述待检测图像中的人脸是否属于所述目标人物。
2.根据权利要求1所述的人脸识别方法,其特征在于,所述提取所述待检测图像中的人脸特征信息,包括:
通过特征提取模型提取所述待检测图像中的人脸特征信息,所述特征提取模型包括依次串联的卷积层、第一纵向卷积层、第一逐点卷积层、第一瓶颈层、第二纵向卷积层、第二逐点卷积层、第二瓶颈层、平均池化层、第三逐点卷积层、第一全连接层和第二全连接层,所述人脸特征信息为第一全连接层或第二全连接层输出的特征信息。
3.根据权利要求1或2所述的人脸识别方法,其特征在于,当所述至少一个已知人脸特征信息的数量大于1时,所述根据所述人脸特征信息和所述至少一个已知人脸特征信息,确定所述待检测图像中的人脸与所述目标人物的相似度,包括:
计算所述人脸特征信息与每个已知人脸特征信息的相似度;
根据所述人脸特征信息与每个已知人脸特征信息的相似度与对应的权重,计算所述待检测图像中的人脸与所述目标人物的相似度。
4.根据权利要求3所述的人脸识别方法,其特征在于,所述至少一张包含所述目标人物的脸部的图片还包括直播截图以及历史的待检测图像。
5.根据权利要求4所述的人脸识别方法,其特征在于,所述方法还包括:
当所述相似度小于阈值时,上传判断结果和所述待检测图像到人工审核系统,所述判断结果指示所述待检测图像中的人脸不属于所述目标人物,所述判断结果和待检测图像用于人工审核。
6.根据权利要求5所述的人脸识别方法,其特征在于,在所述上传判断结果和所述待检测图像之后,所述方法还包括:
获取人工审核结果,所述人工审核结果包括所述待检测图像中的人脸是否属于所述目标人物;
响应于人工审核结果为所述待检测图像中的人脸属于所述目标人物,将所述待检测图像中的人脸特征信息作为已知人脸特征信息进行存储。
7.根据权利要求6所述的人脸识别方法,其特征在于,所述方法还包括:
当存储目标人物的已知人脸特征信息的数量超过数量阈值时,将超出数量阈值的人脸特征信息按照时间从前到后的顺序依次替换除注册图片对应的人脸特征信息以外的所述已知人脸特征信息,所述时间顺序为所述已知人脸特征信息的储存时间顺序。
8.一种人脸识别装置,其特征在于,包括:
图像获取模块,用于获取待检测图像,所述待检测图像包括人脸;
特征提取模块,用于提取所述待检测图像中的人脸特征信息;
特征获取模块,用于获取目标人物的至少一个已知人脸特征信息,所述至少一个已知人脸特征信息为从至少一张包含所述目标人物的脸部的图片提取的人脸特征信息,所述至少一张包含所述目标人物的脸部的图片包括注册图片;
数据计算模块,用于根据所述人脸特征信息和所述至少一个已知人脸特征信息,确定所述待检测图像中的人脸与所述目标人物的相似度;
身份判断模块,用于基于所述相似度,判断所述待检测图像中的人脸是否属于所述目标人物。
9.一种计算机设备,其特征在于,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行如权利要求1至7任一项所述的人脸识别方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行如权利要求1至7任一项所述的人脸识别方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州酷狗计算机科技有限公司,未经广州酷狗计算机科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010048911.7/1.html,转载请声明来源钻瓜专利网。