[发明专利]一种人脸采集识别方法、系统及存储介质

说明书

本发明公开了一种人脸采集识别方法、系统及存储介质，本发明的方法包括：获取大量人脸图像，提取所述大量人脸图像的人脸特征，并标记人脸特征对应的人脸位置点，存储至人脸库；触发智能终端进行人脸识别；提取待识别人脸的人脸特征；在待识别人脸的人脸特征的位置点与人脸库中某人脸图像的人脸特征的位置点的距离小于第一设定阈值时，返回该人脸图像对应的人物信息。本发明通过将待识别人脸的人脸特征的位置点与人脸库中人脸图像的人脸特征的位置点进行对比，可实现快速确认用户身份信息。

技术领域

本发明涉及人脸识别技术领域，具体涉及一种人脸采集识别方法、系统及存储介质。

背景技术

目前，人脸识别是一种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。随着其技术的发展和社会认同度的提高，人脸识别如今应用于很多领域，例如：线上线下消费刷脸在线支付、学校或企业无感人脸考勤、小区业主无感人脸进出门口。

当前比较流行的扫二维码、指纹识别、IDC卡等方式来确认用户身份的形式，容易造成拥堵、代替、造假的情况，这就使得研发一种无感快捷、安全可靠的确认用户身份信息的系统成为本领域技术人员所要解决的问题。

发明内容

鉴于以上技术问题，本发明的目的在于提供一种人脸采集识别方法、系统及存储介质，能实现无感快捷、安全可靠的确认用户身份信息。

本发明采用以下技术方案：

一种人脸采集识别方法，包括:

获取大量人脸图像，提取所述大量人脸图像的人脸特征，并标记人脸特征对应的人脸位置点，存储至人脸库；

触发智能终端进行人脸识别；提取待识别人脸的人脸特征；

获取待识别人脸的人脸特征的位置点；将待识别人脸的人脸特征的位置点与人脸库中n个人脸图像的人脸特征的位置点进行一一对比，n为自然数；在待识别人脸的人脸特征的位置点与人脸库中某人脸图像的人脸特征的位置点的距离小于第一设定阈值时，返回该人脸图像对应的人物信息。

进一步的，还包括：将待识别人脸的人脸特征与人脸库中某人脸图像的人脸特征进行对比，返回待识别人脸的人脸特征与该人脸图像的人脸特征的相似度。

进一步的，还包括：在待识别人脸的人脸特征的位置点与人脸库中所有人脸图像的人脸特征的位置点的距离均不小于第一设定阈值时，判定为人脸识别失败，则存储当次人脸识别所捕获的人脸图像。

进一步的，还包括：判断人脸识别失败的原因是否存在环境原因，所述环境原因包括智能终端所在环境的光照强度低于预设的强度阈值。

进一步的，所述提取待识别人脸的人脸特征包括：

基于卷积神经网络建立人脸特征点形状驱动深度模型；

通过RetinaFace人脸检测模型检测人脸，生成不同尺寸的多层检测框；所述检测框包含不同尺寸的目标框；在每层检测框对人脸特征点形状驱动深度模型进行训练；

利用训练后人脸特征点形状驱动深度模型进行人脸特征提取和融合，所述融合包括融合人脸特征位置点和人脸姿态。

所述人脸特征点形状驱动深度模型包括主网络和辅助子网络，所述主网络采用区域卷积网络。

进一步的，所述提取待识别人脸的人脸特征包括：

建立FECNN参数模型,将人脸特征位置点与人脸图像送入FECNN 参数模型中进行特征提取，得到待识别人脸的人脸特征。

进一步的，所述建立FECNN参数模型包括：构建多个卷积层、多个池化层、多个Inception层、全连接特征提取层和softmax分类层，其中所述多个卷积层、多个池化层和多个Inception层交错依次连接，再与所述全连接特征提取层和softmax分类层依次连接。