[发明专利]一种人脸识别方法和装置

权利要求书

1.一种人脸识别方法，其特征在于，包括：

响应于用户发起的人脸识别请求，获取用户的人脸图片；

根据特征向量提取算法提取所述人脸图片的特征向量，对所述特征向量进行稀疏处理得到稀疏特征向量；

根据模糊评价算法确定所述稀疏特征向量对应用户的人脸图片的评分；

根据所述用户的人脸图片的评分从人脸库中确定目标图片以进行人脸识别。

2.根据权利要求1所述的人脸识别方法，其特征在于，所述根据特征向量提取算法提取所述人脸图片的特征向量的步骤包括：根据所述特征向量提取算法的指示，利用高斯差分函数对所述人脸图片进行降维处理得到高斯差分图像，对所述高斯差分图像进行拟合处理得到特征点，利用所述特征点邻域的梯度信息确定所述特征点的梯度直方图，根据所述梯度直方图得到所述人脸图片的特征向量。

3.根据权利要求1所述的人脸识别方法，其特征在于，所述对所述特征向量进行稀疏处理得到稀疏特征向量的步骤包括：根据学习基函数、稀疏编码和局部方差相似度算法对所述特征向量进行稀疏处理得到所述稀疏特征向量。

4.根据权利要求1所述的人脸识别方法，其特征在于，所述根据模糊评价算法确定所述稀疏特征向量对应的人脸图片的评分的步骤包括：将所述稀疏特征向量置入模糊评价算法的因素集，所述因素集的每个因素子集对应一个稀疏特征向量，根据每个因素子集对应的权重值和因素子集内每个元素对应的权重值确定模糊子集，将所述模糊子集内各归一化元素与其对应的评价集中相应等级的评价值进行加权计算得到所述用户对应的人脸图片的评分，其中，所述评价集中指示了不同等级对应的评价值。

5.根据权利要求4所述的人脸识别方法，其特征在于，所述模糊评价算法的评价集是根据人脸类型进行确定的。

6.根据权利要求4所述的人脸识别方法，其特征在于，所述每个因素子集对应的权重值是根据历史数据确定的，所述因素子集内每个元素对应的权重值是根据该因素子集内全部元素的平均值确定的。

7.根据权利要求1所述的人脸识别方法，其特征在于，所述人脸库中包括全部库内人脸图片的评分，根据所述用户的人脸图片的评分从人脸库中确定目标图片以进行人脸识别的步骤包括：分别计算所述用户的人脸图片的评分与全部库内人脸图片的评分之差的绝对值，将所述绝对值进行排序后，根据排序结果确定目标图片以进行人脸识别。

8.一种人脸识别装置，其特征在于，包括：

人脸图片获取模块，用于响应于用户发起的人脸识别请求，获取用户的人脸图片；

特征向量提取模块，用于根据特征向量提取算法提取所述人脸图片的特征向量，对所述特征向量进行稀疏处理得到稀疏特征向量；

评分确定模块，根据模糊评价算法确定所述稀疏特征向量对应用户的人脸图片的评分；

人脸识别模块，用于根据所述用户的人脸图片的评分从人脸库中确定目标图片以进行人脸识别。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。