[发明专利]一种同时检测和特征提取的人脸识别方法

说明书

本发明公开了一种同时检测和特征提取的人脸识别方法，构建人脸检测数据集、人脸特征提取数据集，组成多任务人脸检测识别数据集；构建主干网络、人脸检测分支、人脸特征提取分支，训练基于深度神经网络的人脸检测识别模型，其中主干网络用于提取图像中深层特征，为后续检测以及特征提取分支提供回归分类信息，人脸检测分支用于估算热图、目标中心偏移以及边界框的大小，人脸特征提取分支用于提取每个人脸的特征生成特征向量；将待检测识别图像输入到训练好的人脸检测识别模型，完成人脸检测以及特征提取，进而确定人员身份信息。本发明提高了人脸检测识别的速度，降低了特征提取阶段对人脸检测阶段效果的依赖。

技术领域

本发明涉及图像处理与深度学习领域，特别涉及一种同时检测和特征提取的人脸识别方法及其系统。

背景技术

随着互联网和信息技术的快速发展，生活生产中诸多领域对安全性要求也逐步提高，需要准确而迅速地进行身份验证。人脸识别相对于其他身份验证方式，具有自然性、直观性、无接触性，更符合人类认知规律。正因为人脸特征拥有众多优点，人脸识别技术已经广泛应用到生产生活的众多领域，如门禁系统、刷脸支付等。

现阶段人脸识别流程大多基于先检测后提取特征的范式。例如，文献[1]先对人脸空间进行图像分部特征的构造，并进行识别检测，然后对局部特征进行切换和选取，并对局部特征进行统计，并对数据进行针对性计算以及比对。文献[2] 先使用训练好的人脸检测CNN对当前帧图像进行人脸检测，再在当前帧图像上设置与前一帧图像的人脸框大小和位置相同的人脸框，并扩大一定倍数，得到人脸区域。

[1]袁培江,宋博,史震云,李建民.一种基于人脸识别的模型切换算法[P].北京市：CN1 11860454A,2020-10-30.

[2]周军,王洋.监控视频图像人脸检测和追踪方法、装置、介质及设备[P].北京市：C N112825116A,2021-05-21

发明内容

本发明的目的在于提供一种同时检测和特征提取的人脸识别方法及其系统，使用一个深度学习模型完成人脸检测和人脸特征提取两项任务，然后结合数据库信息完成人脸识别功能。

实现本发明目的的技术解决方案为：一种同时检测和特征提取的人脸识别方法，包括如下步骤：

步骤1，数据建模与准备

构建人脸检测数据集、人脸特征提取数据集，组成多任务人脸检测识别数据集；

步骤2，深度神经网络模型训练

构建主干网络、人脸检测分支、人脸特征提取分支，训练基于深度神经网络的人脸检测识别模型，其中主干网络用于提取图像中深层特征，为后续检测以及特征提取分支提供回归分类信息，人脸检测分支用于估算热图、目标中心偏移以及边界框的大小，人脸特征提取分支用于提取每个人脸的特征生成特征向量；

步骤3，模型推理应用

将待检测识别图像输入到训练好的人脸检测识别模型，完成人脸检测以及特征提取，确定人员身份信息。

进一步的，步骤1中，数据建模与准备，具体方法为：

步骤1.1、构建人脸检测数据集

用矩形框形式在图像中标注出人脸区域，记录矩形框的中心点位置以及宽高；

步骤1.2、构建人脸特征提取数据集

标签中设置身份标识位，同一身份采用同一标识，不同身份的标识不同；

步骤1.3、构建多任务人脸检测识别数据集