[发明专利]人脸识别方法及设备

说明书

本申请提供一种人脸识别方法及设备，该方法通过将人脸图片数据集中的每张人脸图片输入神经网络，获得人脸特征向量，从上述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，再根据获得的信息，确定上述神经网络对应的新三原子损失函数，将该新三原子损失函数加载在上述神经网络中，进行网络训练，更新网络参数，获得网络参数模型，基于该网络参数模型进行人脸识别。即在传统三原子选择的基础上增加一组正例人脸，改良Triplet三原子的选择方案，同时对传统的三原子损失函数进行改进，从而达到加快网络训练的收敛速度、进一步降低过拟合的概率，同时增强网络对同种类型和不同类型特征的区分能力的目的。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种人脸识别方法及设备。

背景技术

随着经济的不断进步，人脸识别技术得到了快速发展，人脸识别已经在越来越多领域应用，解决了人们很多问题。

传统的人脸识别相关应用中，以Google-Facenet为例，其用来提取人脸特征(Embedding)的神经网络模型的损失函数使用的是三原子损失函数(Triplet Loss)。

然而，目前Triplet Loss损失函数使网络训练的收敛速度比较慢，而且容易出现过拟合等问题。

发明内容

本申请提供一种人脸识别方法及设备，以克服现有神经网络的损失函数使网络训练的收敛速度比较慢，而且容易出现过拟合等问题。

第一方面，本申请提供一种人脸识别方法，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。

在一种可能的设计中，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：