[发明专利]人脸识别方法及设备

权利要求书

1.一种人脸识别方法，其特征在于，包括：

分别将人脸图片数据集中的每张人脸图片输入神经网络，获得所述每张人脸图片的人脸特征向量，其中，所述人脸图片数据集包括至少两个人的人脸图片，所述神经网络通过人脸图片和人脸特征向量训练得到；

从所述每张人脸图片的人脸特征向量中获得每个人的一个基准人脸正例，以及同一人人脸正例和不同人人脸负例；

根据所述每个人的一个基准人脸正例，以及同一人人脸正例和不同人人脸负例，确定所述神经网络对应的新三原子损失函数；

将所述新三原子损失函数加载到所述神经网络中，进行网络训练，更新网络参数，获得网络参数模型；

基于所述网络参数模型进行人脸识别。

2.根据权利要求1所述的方法，其特征在于，所述人脸图片数据集包括两个人的人脸图片；

所述从所述每张人脸图片的人脸特征向量中获得每个人的一个基准人脸正例，以及同一人人脸正例和不同人人脸负例，包括：

根据预设筛选原则，从所述每张人脸图片的人脸特征向量中获得每个人的一个基准人脸正例，以及同一人人脸正例和不同人人脸负例，其中，所述预设筛选原则包括：‖f(X_i^a1)-f(X_i^p1)‖₂²+α‖f(X_i^a1)-f(X_iⁿ¹)‖₂²；‖f(X_i^a2)-f(X_i^p2)‖₂²+β‖f(X_i^a2)-f(X_iⁿ²)‖₂²；‖f(X_i^a1)-f(X_i^p1)‖₂²‖f(X_i^p1)-f(X_i^p2)‖₂²；‖f(X_i^a2)-f(X_i^p2)‖₂²‖f(X_i^p1)-f(X_i^p2)‖₂²；‖f(X_i^a1)-f(X_i^p1)‖₂²‖f(X_iⁿ¹)-f(X_iⁿ²)‖₂²；‖f(X_i^a2)-f(X_i^p2)‖₂²‖f(X_iⁿ¹)-f(X_iⁿ²)‖₂²；其中，‖‖₂²表示平方和开根号，α表示第一预设阈值，β表示第二预设阈值，f()表示第i轮卷积神经网络后提取的人脸特征向量，f(X_i^a1)和f(X_i^a2)分别表示每个人的一个基准人脸正例，f(X_i^p1)和f(X_i^p2)分别表示同一人人脸正例，f(X_iⁿ¹)和f(X_iⁿ²)分别表示不同人人脸负例，i表示第i轮卷积神经网络训练。