[发明专利]一种面部数据处理方法、存储器及处理器

说明书

本发明提供了一种面部数据处理方法、存储器及处理器。其中，所述方法，其特征在于，包括：S11、输入面部图片，检测所述面部图片的特征数据；S12、根据所述面部图片的特征数据过滤非对齐面部面部图片；S13、保存所述对齐面部面部图片。通过过滤非人脸、模糊人脸、侧脸和浅色的人脸，既可以较大程度降低误识别率，又可以改进人脸对齐方法，在不增加运算的情况下，即实现了人脸对齐，又完成了侧脸的过滤，进而减少了计算资源的消耗，实现了降低人脸识别的误识别率和减少系统计算资源的消耗，可普遍适用于人像识别领域。

【技术领域】

本发明涉及图像识别技术领域，尤其涉及一种面部数据处理方法、存储器及处理器。

【背景技术】

近几年深度学习在诸多领域上的惊艳表现吸引了众多目光，在学术上，人脸识别的研究始终是退不下去的热点领域，不断涌现出新算法，不断刷新精度记录。

学术界刷榜单的方式，只是比拼算法的性能和精度，甚至只比拼精度，对测试集里每一张人脸图片都直接提取特征，纯粹比拼算法本身能否区分人脸的特征。而在业界应用中，不单要注重算法本身的性能和精度，还要注重面部数据处理，即在实际识别中，在既有的人脸识别精度情况下，会对输入的面部数据做过滤和增强，以减少不必要的资源消耗和获得识别精度的提升。

在业界应用中，不少公司提供的人脸识别接口都有面部数据过滤和增强过程，比如百度的AI开放平台，人脸识别接口就会对传入的面部数据做一系列操作，比如过滤非人脸、遮挡人脸、不完整人脸、光照不好的人脸、模糊人脸和非正脸等。面部数据增强，一般对分辨率过低、轮廓较为模糊的图片做增强后，才输入人脸识别过程。

面部数据如果质量太低，人脸识别效果大打折扣，甚至增加误识别率。于是业界使用面部数据处理，通过过滤或者增强质量低的图片，即可减少误报和减少运算资源的消耗。

在实际场景使用中，所有的过滤操作和增强操作，也会消耗一定的计算资源，尤其在动态人脸识别过程中，在计算资源有限的情况下，这些操作会影响实时性。为了减少图像数据预处理的资源消耗，可以只针对对识别效果影响最大操作对象。

【发明内容】

本发明所要解决的技术问题是提供一种面部数据处理方法、存储器及处理器，能够通过过滤非人脸、模糊人脸、侧脸和浅色的人脸，既可以较大程度降低误识别率，又可以改进人脸对齐方法，在不增加运算的情况下，即实现了人脸对齐，又完成了侧脸的过滤，进而减少了计算资源的消耗，实现了降低人脸识别的误识别率和减少系统计算资源的消耗，可普遍适用于人像识别领域。

为解决上述技术问题，一方面，本发明一实施例提供了一种面部数据处理方法，包括步骤：

S11、输入面部图片，检测所述面部图片的特征数据；

S12、根据所述面部图片的特征数据过滤非对齐面部的面部图片；

S13、保存所述对齐面部的面部图片。

优选地，所述面部图片的特征数据包括：左眼坐标值，右眼坐标值，鼻尖坐标值、嘴角左坐标点，嘴角右坐标点，面部所在角度。

优选地，根据所述面部图片的特征数据过滤非对齐面部面部图片包括：

S121、根据所述面部图片的特征数据判断是否为侧脸，如果不是，则执行S122；

S122、判断是否为浅色人脸，如果不是，则执行S123；

S123、判断是否为模糊人脸，如果不是，则说明该面部图片符合要求，如果是，则执行S124；

S124、舍弃当前面部图片。