[发明专利]一种人脸识别方法和装置

说明书

本发明公开了一种人脸识别方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：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人脸图片的特征向量，对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稀疏特征向量对应用户的人脸图片的评分；根据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。该实施方式在提高人脸库内人脸图片的存储量的同时，提高了人脸识别效率。

技术领域

本发明涉及计算机技术领域，尤其涉及一种人脸识别方法和装置。

背景技术

人脸识别是将静态图像或者视频图像中检测出的人脸图片与人脸库中的人脸图片进行对比，从中找出与之匹配的人脸的过程，以达到身份识别与鉴定的目的，因其在商业、身份认证、支付安全等多领域内均有广泛的应用，使其越来越受重视。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

1.为保证识别效率，当前人脸库中的存放的人脸图片数量较少；

2.现有技术中的人脸识别方法较为复杂，导致人脸识别效率低下。

发明内容

有鉴于此，本发明实施例提供一种人脸识别方法和装置，能够在提高人脸库内人脸图片的存量的同时，提升人脸识别效率。

为实现上述目的，根据本发明实施例的第一方面，提供了一种人脸识别方法，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人脸图片的特征向量，对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稀疏特征向量对应用户的人脸图片的评分；

根据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。

进一步地，根据特征向量提取算法提取人脸图片的特征向量的步骤包括：根据特征向量提取算法的指示，利用高斯差分函数对人脸图片进行降维处理得到高斯差分图像，对高斯差分图像进行拟合处理得到特征点，利用特征点邻域的梯度信息确定特征点的梯度直方图，根据梯度直方图得到人脸图片的特征向量。

进一步地，对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特征向量进行稀疏处理得到稀疏特征向量。

进一步地，根据模糊评价算法确定稀疏特征向量对应的人脸图片的评分的步骤包括：将稀疏特征向量置入模糊评价算法的因素集，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用户对应的人脸图片的评分，其中，评价集中指示了不同等级对应的评价值。

进一步地，模糊评价算法的评价集是根据人脸类型进行确定的。

进一步地，每个因素子集对应的权重值是根据历史数据确定的，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。

进一步地，人脸库中包括全部库内人脸图片的评分，根据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。

根据本发明实施例的第二方面，提供了一种人脸识别装置，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人脸图片的特征向量，对特征向量进行稀疏处理得到稀疏特征向量；