一种人脸识别方法和电子设备技术

本发明专利技术实施例涉及一种人脸识别方法和电子设备，所述方法包括：获取待识别的人脸图像；确定待识别的人脸图像中是否存在非正常区域，如果存在所述非正常区域，则根据非正常区域、从预先获取的至少两个局部人脸特征模型中选择一个局部人脸特征模型，利用选择的局部人脸特征模型对所述待识别的人脸图像进行识别，以获得所述待识别的人脸图像对应的身份。本发明专利技术实施例根据非正常区域选择一个局部人脸特征模型对待识别的人脸图像进行识别，可以选择非正常区域影响较小的局部人脸特征模型，从而减小非正常区域对人脸识别的影响，提高人脸识别的准确率。

A Face Recognition Method and Electronic Equipment

【技术实现步骤摘要】
一种人脸识别方法和电子设备
本专利技术实施例涉及人脸识别
，特别涉及一种人脸识别方法和电子设备。
技术介绍
人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术，目前的人脸识别通常利用基于机器学习的神经网络模型进行识别。即训练基于机器学习的神经网络模型，然后利用所述识别模型对已知身份的人脸图像提取人脸特征，获得已知身份的人脸特征。在对未知身份的人脸图像进行识别时，首先利用该识别模型提取人脸特征，获得未知身份的人脸特征，再将未知身份的人脸特征匹配已知身份的人脸特征，从而获得所述未知身份。在实现本专利技术过程中，专利技术人发现相关技术中至少存在如下问题：在利用样本图片训练所述识别模型时，需利用高质量的人脸图片进行训练。因此，在进行人脸识别时，也需要人脸没有遮挡、且光照均匀稳定，对于光照条件差或有遮挡的人脸识别效果差。
技术实现思路
本专利技术实施例的目的是提供一种识别效果好的人脸识别方法和电子设备，即使对于光照条件差或者有遮挡的人脸亦能获得较好的识别效果。第一方面，本专利技术实施例提供了一种人脸识别方法，所述方法包括：获取待识别的人脸图像；确定所述待识别的人脸图像中是否存在非正常区域，所述非正常区域为无法正常显示人脸特征的区域；如果存在所述非正常区域，则根据所述非正常区域、从预先获取的至少两个局部人脸特征模型中选择一个局部人脸特征模型，所述局部人脸特征模型基于人脸图像中的至少一个局部区域训练获得；利用选择的所述局部人脸特征模型对所述待识别的人脸图像进行识别，以获得所述待识别的人脸图像对应的身份。在其中一些实施例中，所述方法还包括：如果所述待识别的人脸图像中不存在所述非正常区域，则利用预先获取的全脸特征模型对所述待识别的人脸图像进行识别，所述全脸特征模型基于人脸图像训练获得。在其中一些实施例中，所述根据所述非正常区域、从预先获取的至少两个局部人脸特征模型中选择一个局部人脸特征模型，包括：选择一个局部人脸特征模型，选择的局部人脸特征模型对应的至少一个局部区域与所述非正常区域交集最小。在其中一些实施例中，所述根据所述非正常区域、从预先获取的至少两个局部人脸特征模型中选择一个局部人脸特征模型，包括：确定交集最小的局部人脸特征模型，所述交集最小的局部人脸特征模型对应的所述至少一个局部区域与所述非正常区域交集最小；如果所述交集最小的局部人脸特征模型为至少两个，则选择局部人脸特征模型对应的局部区域面积最大的一个。在其中一些实施例中，所述方法还包括：获取多个人脸图像样本，从所述人脸图像样本中选择至少一个局部区域，获得多组局部人脸图像样本，每一组局部人脸图像样本的所述至少一个局部区域相同；基于所述多组局部人脸图像样本训练基于机器学习的神经网络模型，获得多个所述局部人脸特征模型，其中，一个局部人脸特征模型基于一组局部人脸图像样本训练获得；从所述多个所述局部人脸特征模型中选择预设数量的所述局部人脸特征模型，获得所述至少两个局部人脸特征模型。在其中一些实施例中，所述从所述多个所述局部人脸特征模型中选择预设数量的所述局部人脸特征模型，包括：获取每个局部人脸特征模型的ROC曲线，并计算每个ROC曲线的AUC值；从所述多个所述局部人脸特征模型中选择AUC值最大的预设数量的所述局部人脸特征模型。在其中一些实施例中，所述确定所述待识别的人脸图像中是否存在非正常区域，包括：利用预先获取的基于机器学习的非正常区域识别模型确定所述待识别的人脸图像中是否存在所述非正常区域，所述非正常区域包括遮挡区域、和/或暗像素区域、和/或像素过亮区域。在其中一些实施例中，所述方法还包括：获取已知身份的人脸图像；根据所述局部人脸特征模型对应的所述至少一个局部区域、选择所述已知身份的人脸图像中的至少一个局部区域；利用所述局部人脸特征模型、对所述已知身份的人脸图像的至少一个局部区域提取人脸特征，获得所述局部人脸特征模型对应的已知身份的人脸特征。在其中一些实施例中，所述获取待识别的人脸图像，包括：获取待检测图像，从所述待检测图像中扣除获取脸部图像；将所述脸部图像缩放至预设尺寸；将缩放后的所述脸部图像转换至标准人脸图像，获得所述待识别的人脸图像；所述获取已知身份的人脸图像，包括：获取已知身份的用户图像，从所述已知身份的用户图像中扣除获取脸部图像；将所述脸部图像缩放至预设尺寸；将缩放后的所述脸部图像转换至标准人脸图像，获得所述已知身份的人脸图像。在其中一些实施例中，所述利用选择的所述局部人脸特征模型对所述待识别的人脸图像进行识别，包括：根据选择的局部人脸特征模型对应的所述至少一个局部区域、选择所述待识别的人脸图像中的至少一个局部区域；利用选择的所述局部人脸特征模型、对所述待识别的人脸图像的至少一个局部区域提取待识别的人脸特征；将所述待识别的人脸特征匹配选择的所述局部人脸特征模型对应的已知身份的人脸特征，获得所述待识别的人脸图像对应的身份。第二方面，本专利技术实施例提供了一种电子设备，所述电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的方法。第三方面，本专利技术实施例提供了一种非易失性计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，当所述计算机可执行指令被电子设备执行时，使所述电子设备执行上述的方法。第四方面，本申请实施例还提供了一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被电子设备执行时，使所述电子设备执行上述的方法。本专利技术实施例的人脸识别方法和电子设备，基于全脸图像中的至少一个局部区域训练获得至少两个局部人脸特征模型，在对人脸图像进行识别时，先确定人脸图像中是否存在例如遮挡区域、暗像素区域、像素过亮区域等非正常区域。如果存在所述非正常区域，则根据所述非正常区域在至少两个局部人脸特征模型中选择一个局部人脸特征模型，并利于选择的局部人脸特征模型对待识别的人脸图像进行识别。根据非正常区域选择一个局部人脸特征模型对待识别的人脸图像进行识别，可以选择非正常区域影响较小的局部人脸特征模型，从而减小非正常区域对人脸识别的影响，提高人脸识别的准确率。附图说明一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明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表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。图1a是本专利技术实施例人脸识别方法和装置的其中一个应用场景示意图；图1b是本专利技术实施例人脸识别方法和装置的另一个应用场景示意图；图2a是本专利技术一个实施例中局部区域示意图；图2b是本专利技术另一个实施例中局部区域示意图；图3是本专利技术人脸识别方法的一个实施例的流程示意图；图4是本专利技术人脸识别方法的另一个实施例的流程示意图；图5是本专利技术人脸识别装置的一个实施例的结构示意图；图6是本专利技术人脸识别装置的另一个实施例的结构示意图；图7是本专利技术电子设备的一个实施例的硬件结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述本文档来自技高网...

【技术保护点】
1.一种人脸识别方法，其特征在于，所述方法包括：获取待识别的人脸图像；确定所述待识别的人脸图像中是否存在非正常区域，所述非正常区域为无法正常显示人脸特征的区域；如果存在所述非正常区域，则根据所述非正常区域、从预先获取的至少两个局部人脸特征模型中选择一个局部人脸特征模型，所述局部人脸特征模型基于人脸图像中的至少一个局部区域训练获得；利用选择的所述局部人脸特征模型对所述待识别的人脸图像进行识别，以获得所述待识别的人脸图像对应的身份。

【技术特征摘要】
1.一种人脸识别方法，其特征在于，所述方法包括：获取待识别的人脸图像；确定所述待识别的人脸图像中是否存在非正常区域，所述非正常区域为无法正常显示人脸特征的区域；如果存在所述非正常区域，则根据所述非正常区域、从预先获取的至少两个局部人脸特征模型中选择一个局部人脸特征模型，所述局部人脸特征模型基于人脸图像中的至少一个局部区域训练获得；利用选择的所述局部人脸特征模型对所述待识别的人脸图像进行识别，以获得所述待识别的人脸图像对应的身份。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：如果所述待识别的人脸图像中不存在所述非正常区域，则利用预先获取的全脸特征模型对所述待识别的人脸图像进行识别，所述全脸特征模型基于人脸图像训练获得。3.根据权利要求1或2所述的方法，其特征在于，所述根据所述非正常区域、从预先获取的至少两个局部人脸特征模型中选择一个局部人脸特征模型，包括：选择一个局部人脸特征模型，选择的局部人脸特征模型对应的至少一个局部区域与所述非正常区域交集最小。4.根据权利要求1或2所述的方法，其特征在于，所述根据所述非正常区域、从预先获取的至少两个局部人脸特征模型中选择一个局部人脸特征模型，包括：确定交集最小的局部人脸特征模型，所述交集最小的局部人脸特征模型对应的所述至少一个局部区域与所述非正常区域交集最小；如果所述交集最小的局部人脸特征模型为至少两个，则选择局部人脸特征模型对应的局部区域面积最大的一个。5.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：获取多个人脸图像样本，从所述人脸图像样本中选择至少一个局部区域，获得多组局部人脸图像样本，每一组局部人脸图像样本的所述至少一个局部区域相同；基于所述多组局部人脸图像样本训练基于机器学习的神经网络模型，获得多个所述局部人脸特征模型，其中，一个局部人脸特征模型基于一组局部人脸图像样本训练获得；从所述多个所述局部人脸特征模型中选择预设数量的所述局部人脸特征模型，获得所述至少两个局部人脸特征模型。6.根据权利要求5所述...

【专利技术属性】
技术研发人员：鞠汶奇，张阿强，刘子威，
申请(专利权)人：深圳和而泰家居在线网络科技有限公司，
类型：发明
国别省市：广东,44