一种人脸识别方法及装置、设备与流程

1.本技术涉及图像处理技术领域，例如涉及一种人脸识别方法及装置、设备。


背景技术：

2.目前，基于闸机的人脸门禁系统在实际应用场景下，会因受到人脸抓拍机设备的性能、照明或光照环境、生物特征如(人脸姿态，表情)或物体遮挡等因素影响，导致输入的人脸图像较为复杂且噪声信号较多，会导致人脸识别结果不准确或者识别不出人脸。并且，人脸门禁系统识别人脸的过程一般为将抓拍到的人脸图像与人脸管理库中存储的人脸图像进行一一比对，从而确定人脸识别结果。
3.然而上述方法不但增加了人脸识别的时间，而且由于人脸管理库中存在多张人脸图像需要进行比对，极大可能地增加了人脸识别的误识率。因此，亟需一种识别率更高、识别速度更快的人脸识别方法。


技术实现要素：

4.为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。
5.本公开实施例提供了一种人脸识别方法及装置、设备，以实现可以通过输入的待识别人脸图像的人脸特征信息与预设人脸特征库中的各个类中心特征进行直接匹配，获得识别率更高、识别速度更快的效果。
6.在一些实施例中，所述人脸识别方法包括：
7.获取待识别人脸图像；
8.根据所述待识别人脸图像，确定所述待识别人脸图像的人脸特征信息；
9.将所述待识别人脸图像的人脸特征信息与预设人脸特征库中的各个类中心特征进行匹配，得到所述待识别人脸图像对应的目标类中心特征；
10.根据所述目标类中心特征，确定所述待识别人脸图像的人脸识别结果。
11.在一些实施例中，所述根据所述待识别人脸图像，确定所述待识别人脸图像的人脸特征信息，包括：
12.将所述待识别人脸图像输入预设的人脸识别模型，得到所述待识别人脸图像的人脸特征信息。
13.在一些实施例中，所述预设人脸特征库中的一个类中心特征对应一个用户标识，且每个类中心特征对应的用户标识均不相同。
14.在一些实施例中，所述预设人脸特征库中的类中心特征的生成方式包括：
15.获取一用户标识对应的人脸图像；
16.利用预设的人脸识别模型提取所述人脸图像的类中心特征；
17.将所述人脸图像的类中心特征作为所述预设人脸特征库中的一类中心特征。
18.在一些实施例中，所述利用预设的人脸识别模型提取所述人脸图像的类中心特征，包括：
19.将所述人脸图像输入所述预设的人脸识别模型，将所述人脸识别模型中最后一个全连接层的权重w作为所述人脸图像的类中心特征。
20.在一些实施例中，所述人脸识别模型为arcface模型。
21.在一些实施例中，所述将所述待识别人脸图像的人脸特征信息与预设人脸特征库中的各个类中心特征进行匹配，得到所述待识别人脸图像对应的目标类中心特征，包括：
22.计算所述待识别人脸图像的人脸特征信息分别与所述预设人脸特征库中的各个类中心特征之间的距离；
23.根据距离满足预设条件的类中心特征，确定所述待识别人脸图像对应的目标类中心特征。
24.在一些实施例中，所述根据所述目标类中心特征，确定所述待识别人脸图像的人脸识别结果，包括：
25.将所述目标类中心特征对应的用户标识作为所述待识别人脸图像的人脸识别结果。
26.在一些实施例中，所述人脸识别装置，包括处理器和存储有程序指令的存储器，所述处理器被配置为在执行所述程序指令时，执行如上述的人脸识别方法。
27.在一些实施例中，所述设备，包括上述的人脸识别装置。
28.本公开实施例提供的人脸识别方法及装置、设备，可以实现以下技术效果：由于本技术通过将待识别人脸图像的人脸特征信息与预设人脸特征库中的各个类中心特征进行匹配，得到所述待识别人脸图像对应的目标类中心特征；并根据所述目标类中心特征，确定所述待识别人脸图像的人脸识别结果；因此，本技术可以通过输入的待识别人脸图像的人脸特征信息与预设人脸特征库中的各个类中心特征进行直接匹配，获得识别率更高、识别速度更快的效果。
29.以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本技术。
附图说明
30.一个或多个实施例通过与之对应的附图进行示例性说明，这些示例性说明和附图并不构成对实施例的限定，附图中具有相同参考数字标号的元件示为类似的元件，附图不构成比例限制，并且其中：
31.图1是本公开实施例提供的一个人脸识别方法的流程示意图；
32.图2是本公开实施例提供的一个人脸识别方法的流程示意图；
33.图3是本公开实施例提供的一个人脸识别装置的示意图。
具体实施方式
34.为了能够更加详尽地了解本公开实施例的特点与技术内容，下面结合附图对本公开实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本公开实施例。在以下的技术描述中，为方便解释起见，通过多个细节以提供对所披露实施例的充分理解。然而，在没有这些细节的情况下，一个或多个实施例仍然可以实施。在其它情况下，为简化
附图，熟知的结构和装置可以简化展示。
35.本公开实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开实施例的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。
36.除非另有说明，术语“多个”表示两个或两个以上。
37.本公开实施例中，字符“/”表示前后对象是一种“或”的关系。例如，a/b表示：a或b。
38.术语“和/或”是一种描述对象的关联关系，表示可以存在三种关系。例如，a和/或b，表示：a或b，或，a和b这三种关系。
39.结合图1所示，本公开实施例提供一种人脸识别方法，包括：
40.s101：获取待识别人脸图像。
41.在本实施例中，待识别人脸图像可以理解为需要进行用户身份识别的人脸图像。在一种实现方式中，待识别人脸图像可以是基于门禁系统采集到的，例如，门禁系统包括摄像头，可以通过该摄像头采集用户的人脸图像，并将该人脸图像作为待识别人脸图像。
42.s102：根据所述待识别人脸图像，确定所述待识别人脸图像的人脸特征信息。
43.在本实施例中，获取到待识别人脸图像后，可以先提取所述待识别人脸图像的人脸特征信息，以便后续可以利用所述待识别人脸图像的人脸特征信息进行人脸识别。
44.在一种实现方式中，可以将所述待识别人脸图像输入预设的人脸识别模型，得到所述待识别人脸图像的人脸特征信息。其中，所述人脸识别模型可以为arcface模型。如图2所示，可以将待识别人脸图像(即测试人脸图)输入arcface模型，得到所述待识别人脸图像的人脸特征信息。
45.s103：将所述待识别人脸图像的人脸特征信息与预设人脸特征库中的各个类中心特征进行匹配，得到所述待识别人脸图像对应的目标类中心特征。
46.在本实施例中，预设人脸特征库可以存储有若干个类中心特征，并且预设人脸特征库中的一个类中心特征对应一个用户标识，且每个类中心特征对应的用户标识均不相同。
47.接下来，介绍所述预设人脸特征库中的类中心特征的生成方式。具体地，可以先获取一用户标识对应的人脸图像；例如，如图2所示，人脸底库可以先根据用户身份标识(即用户标识)进行分类，利用人脸质量模块，设置合适的阈值，从人脸底库中筛选高质量的人脸图像，以便可以根据用户标识建立高质量人脸图像测试库，这些人脸图像包含分辨率高、面部纹理细节清晰、正脸等语义信息。这样，可以通过高质量的人脸图像构建人脸特征库，相较于现有的方法更加便于信息存储和特征匹配，不需要对人脸特征库里已存在的数据进行大量维护和迭代更新，在人脸识别速度和准确率上有更明显的优势。
48.然后，可以利用预设的人脸识别模型(比如arcface模型)提取所述人脸图像的类中心特征，例如，可以将所述人脸图像输入所述预设的人脸识别模型，并将所述人脸识别模型中最后一个全连接层的权重w作为所述人脸图像的类中心特征。接着，可以将所述人脸图像的类中心特征作为所述预设人脸特征库中的一类中心特征。需要说明的是，本实施例中利用了arcface模型的类内紧凑性和类间分散性，建立了以人脸的类中心特征为身份标识(即用户标识)的预设人脸特征库，以便于实现特征的迅速匹配(即待识别人脸图像的人脸
特征信息与预设人脸特征库中的各个类中心特征的匹配)，节省了现有技术中需要遍历预设人脸特征库并进行特征提取的过程，同时避免了依赖于注册照人脸图像质量，从而可以有效提高人脸识别准确率并减少识别时间。
49.在本实施例中，获取到待识别人脸图像的人脸特征信息后，可以将所述待识别人脸图像的人脸特征信息与预设人脸特征库中的各个类中心特征进行匹配，即将待识别人脸图像的人脸特征信息与预设人脸特征库中的各个类中心特征一一比对，得到所述待识别人脸图像对应的目标类中心特征。具体地，可以先计算所述待识别人脸图像的人脸特征信息分别与所述预设人脸特征库中的各个类中心特征之间的距离，需要说明的是，若待识别人脸图像的人脸特征信息与一类中心特征之间的距离越小，说明该待识别人脸图像与该类中心特征越相似，越接近，反之，若待识别人脸图像的人脸特征信息与一类中心特征之间的距离越大，说明该待识别人脸图像与该类中心特征越不相似；然后，可以根据距离满足预设条件(例如距离最小或者距离小于预设距离阈值)的类中心特征，确定所述待识别人脸图像对应的目标类中心特征，例如，可以将距离满足预设条件的类中心特征作为待识别人脸图像对应的目标类中心特征。
50.s104：根据所述目标类中心特征，确定所述待识别人脸图像的人脸识别结果。
51.在本实施例中，确定待识别人脸图像对应的目标类中心特征后，可以基于待识别人脸图像对应的目标类中心特征确定所述待识别人脸图像的人脸识别结果。具体地，可以将所述目标类中心特征对应的用户标识作为所述待识别人脸图像的人脸识别结果。在一种实现方式中，待识别人脸图像可以是基于门禁系统采集到的，例如，门禁系统包括摄像头，可以通过该摄像头采集用户的人脸图像，并将该人脸图像作为待识别人脸图像，因此，可以将待识别人脸图像对应的目标类中心特征对应的用户标识作为待识别人脸图像的人脸识别结果，这样，门禁系统便成功识别了待识别人脸图像的用户标识，即用户身份。
52.本公开实施例提供的人脸识别方法及装置、设备，可以实现以下技术效果：由于本技术通过将待识别人脸图像的人脸特征信息与预设人脸特征库中的各个类中心特征进行匹配，得到所述待识别人脸图像对应的目标类中心特征；并根据所述目标类中心特征，确定所述待识别人脸图像的人脸识别结果；因此，本技术可以通过输入的待识别人脸图像的人脸特征信息与预设人脸特征库中的各个类中心特征进行直接匹配，获得识别率更高、识别速度更快的效果。
53.结合图3所示，本公开实施例提供一种人脸识别装置，包括处理器(processor)100和存储有程序指令的存储器(memory)101。可选地，该装置还可以包括通信接口(communication interface)102和总线103。其中，处理器100、通信接口102、存储器101可以通过总线103完成相互间的通信。通信接口102可以用于信息传输。处理器100可以调用存储器101中的程序指令，以执行上述实施例的人脸识别方法。
54.此外，上述的存储器101中的程序指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。
55.存储器101作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序，如本公开实施例中的方法对应的程序指令/模块。处理器100通过运行存储在存储器101中的程序指令/模块，从而执行功能应用以及数据处理，即实现上述实施例中人脸识别方法。
56.存储器101可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器101可以包括高速随机存取存储器，还可以包括非易失性存储器。
57.采用本公开实施例提供的人脸识别装置，可以通过输入的待识别人脸图像的人脸特征信息与预设人脸特征库中的各个类中心特征进行直接匹配，获得识别率更高、识别速度更快的效果。
58.本公开实施例提供了一种设备，包含上述的人脸识别装置。
59.该设备可以通过输入的待识别人脸图像的人脸特征信息与预设人脸特征库中的各个类中心特征进行直接匹配，获得识别率更高、识别速度更快的效果。
60.本公开实施例提供了一种计算机可读存储介质，存储有计算机可执行指令，计算机可执行指令设置为执行上述人脸识别方法。
61.本公开实施例提供了一种计算机程序产品，计算机程序产品包括存储在计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当程序指令被计算机执行时，使计算机执行上述人脸识别方法。
62.上述的计算机可读存储介质可以是暂态计算机可读存储介质，也可以是非暂态计算机可读存储介质。
63.本公开实施例的技术方案可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括一个或多个指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本公开实施例方法的全部或部分步骤。而前述的存储介质可以是非暂态存储介质，包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等多种可以存储程序代码的介质，也可以是暂态存储介质。
64.以上描述和附图充分地示出了本公开的实施例，以使本领域的技术人员能够实践它们。其他实施例可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求，否则单独的部件和功能是可选的，并且操作的顺序可以变化。一些实施例的部分和特征可以被包括在或替换其他实施例的部分和特征。而且，本技术中使用的用词仅用于描述实施例并且不用于限制权利要求。如在实施例以及权利要求的描述中使用的，除非上下文清楚地表明，否则单数形式的“一个”(a)、“一个”(an)和“所述”(the)旨在同样包括复数形式。类似地，如在本技术中所使用的术语“和/或”是指包含一个或一个以上相关联的列出的任何以及所有可能的组合。另外，当用于本技术中时，术语“包括”(comprise)及其变型“包括”(comprises)和/或包括(comprising)等指陈述的特征、整体、步骤、操作、元素，和/或组件的存在，但不排除一个或一个以上其它特征、整体、步骤、操作、元素、组件和/或这些的分组的存在或添加。在没有更多限制的情况下，由语句“包括一个
…”
限定的要素，并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。本文中，每个实施例重点说明的可以是与其他实施例的不同之处，各个实施例之间相同相似部分可以互相参见。对于实施例公开的方法、产品等而言，如果其与实施例公开的方法部分相对应，那么相关之处可以参见方法部分的描述。
65.本领域技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬
件还是软件方式来执行，可以取决于技术方案的特定应用和设计约束条件。所述技术人员可以对每个特定的应用来使用不同方法以实现所描述的功能，但是这种实现不应认为超出本公开实施例的范围。所述技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
66.本文所披露的实施例中，所揭露的方法、产品(包括但不限于装置、设备等)，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，可以仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例。另外，在本公开实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
67.附图中的流程图和框图显示了根据本公开实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这可以依所涉及的功能而定。在附图中的流程图和框图所对应的描述中，不同的方框所对应的操作或步骤也可以以不同于描述中所披露的顺序发生，有时不同的操作或步骤之间不存在特定的顺序。例如，两个连续的操作或步骤实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这可以依所涉及的功能而定。框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

技术特征：
1.一种人脸识别方法，其特征在于，包括：获取待识别人脸图像；根据所述待识别人脸图像，确定所述待识别人脸图像的人脸特征信息；将所述待识别人脸图像的人脸特征信息与预设人脸特征库中的各个类中心特征进行匹配，得到所述待识别人脸图像对应的目标类中心特征；根据所述目标类中心特征，确定所述待识别人脸图像的人脸识别结果。2.根据权利要求1所述的方法，其特征在于，所述根据所述待识别人脸图像，确定所述待识别人脸图像的人脸特征信息，包括：将所述待识别人脸图像输入预设的人脸识别模型，得到所述待识别人脸图像的人脸特征信息。3.根据权利要求1所述的方法，其特征在于，所述预设人脸特征库中的一个类中心特征对应一个用户标识，且每个类中心特征对应的用户标识均不相同。4.根据权利要求3所述的方法，其特征在于，所述预设人脸特征库中的类中心特征的生成方式包括：获取一用户标识对应的人脸图像；利用预设的人脸识别模型提取所述人脸图像的类中心特征；将所述人脸图像的类中心特征作为所述预设人脸特征库中的一类中心特征。5.根据权利要求4所述的方法，其特征在于，所述利用预设的人脸识别模型提取所述人脸图像的类中心特征，包括：将所述人脸图像输入所述预设的人脸识别模型，将所述人脸识别模型中最后一个全连接层的权重w作为所述人脸图像的类中心特征。6.根据权利要求2或4所述的方法，其特征在于，所述人脸识别模型为arcface模型。7.根据权利要求3所述的方法，其特征在于，所述将所述待识别人脸图像的人脸特征信息与预设人脸特征库中的各个类中心特征进行匹配，得到所述待识别人脸图像对应的目标类中心特征，包括：计算所述待识别人脸图像的人脸特征信息分别与所述预设人脸特征库中的各个类中心特征之间的距离；根据距离满足预设条件的类中心特征，确定所述待识别人脸图像对应的目标类中心特征。8.根据权利要求7所述的方法，其特征在于，所述根据所述目标类中心特征，确定所述待识别人脸图像的人脸识别结果，包括：将所述目标类中心特征对应的用户标识作为所述待识别人脸图像的人脸识别结果。9.一种人脸识别装置，包括处理器和存储有程序指令的存储器，其特征在于，所述处理器被配置为在执行所述程序指令时，执行如权利要求1至8任一项所述的人脸识别方法。10.一种设备，其特征在于，包括如权利要求9所述的人脸识别装置。

技术总结
本申请公开了一种人脸识别方法，本方法可以通过将待识别人脸图像的人脸特征信息与预设人脸特征库中的各个类中心特征进行匹配，得到所述待识别人脸图像对应的目标类中心特征；并根据所述目标类中心特征，确定所述待识别人脸图像的人脸识别结果；因此，本申请可以通过输入的待识别人脸图像的人脸特征信息与预设人脸特征库中的各个类中心特征进行直接匹配，获得识别率更高、识别速度更快的效果。识别速度更快的效果。识别速度更快的效果。


技术研发人员：赵晨旭 孔紫剑 唐大闰 姜平
受保护的技术使用者：北京明略昭辉科技有限公司
技术研发日：2023.06.05
技术公布日：2023/10/6