[发明专利]人脸识别网络训练方法、人脸识别方法、装置和存储介质

权利要求书

1.一种人脸识别网络训练方法，其特征在于，包括：

对训练集中的侧面人脸图像进行姿态角度信息的测定，所述训练集包括若干张不同姿态角度的侧面人脸图像和对应的准确正脸深度特征信息；

将所述训练集中的侧面人脸图像输入神经网络提取侧脸深度空间特征；

将所述侧脸深度空间特征和对应的姿态角度信息输入反馈组件得出训练正脸深度特征，对所述训练正脸深度特征与准确正脸深度特征进行比较得出准确率；

进行循环训练，直到所述人脸识别网络的识别准确率达到预设要求。

2.如权利要求1所述人脸识别网络训练方法，其特征在于，对训练集中的侧面人脸图像进行姿态角度信息的测定之前，还包括：

对所述训练集中的侧面人脸图像进行预处理。

3.如权利要求1所述人脸识别网络训练方法，其特征在于，所述神经网络为基本卷积神经网络，用于完成图像空间到深度特征空间的转换；

所述基本卷积神经网络包括：18层残差网络和34层残差网络。

4.如权利要求1所述人脸识别网络训练方法，其特征在于，所述将所述侧脸深度空间特征和对应的姿态角度信息输入反馈组件得出训练正脸深度特征，包括：

将所述侧脸深度空间特征经过至少两个全连接层进行非线性变换，提取残余特征R(φ(x_p))；

对对应的姿态角度信息进行姿态评估y(x)，所述其中，正脸情况下y(x)取值为0，90°侧脸情况下，y(x)取值为1，a表示人脸图像对应的姿态角度的弧度，σ表示Sigmoid函数；

得出所述训练正脸深度特征f(x_f)，f(x_f)＝y(x)·R(φ(x_p))。

5.如权利要求1-4任一项所述人脸识别网络训练方法，其特征在于，所述反馈组件之后还级联至少一个反馈组件，所述将所述侧脸深度空间特征和对应的姿态角度信息输入反馈组件单元得出训练正脸深度特征包括：

将所述侧脸深度空间特征和对应的姿态角度信息输入第一级反馈组件得出第一级结果，将所述第一级结果和所述对应的姿态角度信息输入第二级反馈组件得出第二级结果，以此类推直到最后一级反馈组件得出所述训练正脸深度特征。

6.一种人脸识别方法，其特征在于，包括：

获取待识别用户的人脸图像，并进行姿态角度信息的测定；

将所述待识别人脸图像和所述姿态角度信息输入如权利要求1-5任一项所述的人脸识别网络训练方法得到的人脸识别网络，得出识别正脸深度空间特征；

将所述识别正脸深度空间特征与数据库存储的人脸数据进行比对,确定所述待识别用户的身份信息。

7.如权利要求6所述的人脸识别方法，其特征在于，将所述识别正脸深度空间特征与数据库存储的人脸数据进行比对，包括：

将所述识别正脸深度空间特征与储存的正脸深度空间特征进行余弦相似度对比。

8.一种人脸识别装置，其特征在于，包括：

角度测定单元，用于对训练集中的侧面人脸图像进行姿态角度信息的测定，所述训练集包括若干张不同姿态角度的侧面人脸图像和对应的准确正脸深度特征信息；

神经网络单元，用于输入所述训练集中的侧面人脸图像，提取人脸图像对应的侧脸深度空间特征；

反馈组件单元，用于当所述侧脸深度空间特征和对应的姿态角度信息输入所述反馈组件单元时，得出训练正脸深度特征；

网络训练单元，用于将所述训练正脸深度特征与准确正脸深度特征进行比较得出准确率,以及进行循环训练，直到所述人脸识别网络的识别准确率达到预设要求。

9.如权利要求8所述的人脸识别装置，其特征在于，所述神经网络单元为基本卷积神经网络单元，用于完成图像空间到深度特征空间的转换；

所述基本卷积神经网络单元包括：18层残差网络和34层残差网络。