基于人工智能的人脸识别方法、装置、电子设备及介质制造方法及图纸

本发明专利技术涉及人工智能，提供一种基于人工智能的人脸识别方法、装置、电子设备及介质。该方法能够提取待识别图像并确定人脸区域，提取人脸特征信息点，基于人脸特征信息点构建待识别图像的三维人脸图像，从三维人脸图像中提取多个目标特征，计算多个目标特征与配置库中的配置特征的相似度，得到多个目标值，基于多个目标值确定待识别图像的目标用户，本发明专利技术无需通过摄像设备获取多角度下的多张人脸图像，仅通过一张人脸图像能够确定目标用户，节省设备资源，同时，不仅提高人脸识别的效率，还能够提高人脸识别的精度。此外，本发明专利技术还涉及区块链技术，所述三维人脸图像存储于区块链中。

【技术实现步骤摘要】
基于人工智能的人脸识别方法、装置、电子设备及介质
本专利技术涉及人工智能
，尤其涉及一种基于人工智能的人脸识别方法、装置、电子设备及介质。
技术介绍
人脸识别技术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，这项技术实际上是采用摄像设备采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别。目前，在摄像设备及人脸的相对位置的影响下，无法采集到同一用户的多张不同角度的人脸图像，为此，在进行人脸特征比较时，会导致人脸识别精度低，另外，由于配置库中存储的人脸特征是来自比较单一的拍摄角度(例如，正面拍摄)的图像，为此，在进行人脸识别时，要求用户必须以同一拍摄角度拍下待识别图像，这将影响人脸识别效率。
技术实现思路
鉴于以上内容，有必要提供一种基于人工智能的人脸识别方法、装置、电子设备及介质，不仅能够提高人脸识别的效率，还能够提高人脸识别的精度。一种基于人工智能的人脸识别方法，所述基于人工智能的人脸识别方法包括：当接收到人脸识别指令时，从所述人脸识别指令中提取待识别图像，并从所述待识别图像中确定人脸区域；从所述人脸区域中提取人脸特征信息点；基于所述人脸特征信息点构建所述待识别图像的三维人脸图像；从所述三维人脸图像中提取多个目标特征；计算所述多个目标特征与配置库中的配置特征的相似度，得到多个目标值；基于所述多个目标值确定所述待识别图像的目标用户。根据本专利技术优选实施例，所述从所述待识别图像中确定人脸区域包括：从所述待识别图像中确定多个肤色区域；利用检测窗口从所述待识别图像中选取所述多个肤色区域，得到多个待确定区域；拼接所述多个待确定区域，得到目标图像；利用预先训练好的人脸检测器检测所述目标图像，得到所述人脸区域。根据本专利技术优选实施例，在利用预先训练好的人脸检测器检测所述目标图像之前，所述方法还包括：获取数据集，所述数据集包括正样本及负样本，所述正样本为人脸图像，所述负样本为背景图像；划分所述数据集，得到训练样本及测试样本；提取所述训练样本的像素级差分特征，并根据所述像素级差分特征构建深度二叉树；采用bootstrap框架对所述深度二叉树进行级联，生成学习器；利用所述测试样本测试所述学习器；当检测到所述学习器通过测试时，将所述学习器确定为所述人脸检测器。根据本专利技术优选实施例，所述从所述人脸区域中提取人脸特征信息点包括：对所述人脸区域进行灰度值处理，得到所述人脸区域的多个像素点及每个像素点对应的灰度值；当检测到任意灰度值大于阈值时，将所述任意灰度值对应的像素点确定为瞳孔边缘点；根据所述瞳孔边缘点确定所述人脸区域的瞳孔中心作为所述人脸特征信息点，并利用SUSAN算子方法检测出所述人脸区域中的眼角、嘴角及眼部边缘作为所述人脸特征信息点。根据本专利技术优选实施例，所述三维人脸图像存储于区块链中，所述基于所述人脸特征信息点构建所述待识别图像的三维人脸图像包括：获取基准向量及平均脸；根据所述基准向量及所述平均脸构建目标人脸；确定所述人脸特征信息点在所述待识别图像中的二维坐标；对所述二维坐标进行映射处理，得到三维坐标；根据所述三维坐标调整所述目标人脸，得到所述三维人脸图像。根据本专利技术优选实施例，所述计算所述多个目标特征与配置库中的配置特征的相似度，得到多个目标值包括：对于所述多个目标特征中的任意特征，确定所述任意特征所属的类型，并从配置库中获取与所述类型对应的多个配置特征；采用余弦距离公式计算所述任意特征与所述多个配置特征的相似度，得到所述任意特征的多个相似距离值；将所述多个相似距离值中数值最大的相似距离值确定为所述任意特征的目标值；整合多个所述任意特征的目标值，得到所述多个目标特征对应的多个目标值。根据本专利技术优选实施例，所述基于所述多个目标值确定所述待识别图像的目标用户包括：确定与所述多个目标值对应的配置特征，并确定与该配置特征对应的用户，得到所述多个目标特征对应的用户；计算与所述用户对应的目标特征的数量，并将数量最多的用户确定为所述目标用户。一种基于人工智能的人脸识别装置，所述基于人工智能的人脸识别装置包括：确定单元，用于当接收到人脸识别指令时，从所述人脸识别指令中提取待识别图像，并从所述待识别图像中确定人脸区域；提取单元，用于从所述人脸区域中提取人脸特征信息点；构建单元，用于基于所述人脸特征信息点构建所述待识别图像的三维人脸图像；所述提取单元，还用于从所述三维人脸图像中提取多个目标特征；计算单元，用于计算所述多个目标特征与配置库中的配置特征的相似度，得到多个目标值；所述确定单元，还用于基于所述多个目标值确定所述待识别图像的目标用户。根据本专利技术优选实施例，所述确定单元从所述待识别图像中确定人脸区域包括：从所述待识别图像中确定多个肤色区域；利用检测窗口从所述待识别图像中选取所述多个肤色区域，得到多个待确定区域；拼接所述多个待确定区域，得到目标图像；利用预先训练好的人脸检测器检测所述目标图像，得到所述人脸区域。根据本专利技术优选实施例，所述装置还包括：获取单元，用于在利用预先训练好的人脸检测器检测所述目标图像之前，获取数据集，所述数据集包括正样本及负样本，所述正样本为人脸图像，所述负样本为背景图像；划分单元，用于划分所述数据集，得到训练样本及测试样本；所述提取单元，还用于提取所述训练样本的像素级差分特征，并根据所述像素级差分特征构建深度二叉树；生成单元，用于采用bootstrap框架对所述深度二叉树进行级联，生成学习器；测试单元，用于利用所述测试样本测试所述学习器；所述确定单元，还用于当检测到所述学习器通过测试时，将所述学习器确定为所述人脸检测器。根据本专利技术优选实施例，所述提取单元从所述人脸区域中提取人脸特征信息点包括：对所述人脸区域进行灰度值处理，得到所述人脸区域的多个像素点及每个像素点对应的灰度值；当检测到任意灰度值大于阈值时，将所述任意灰度值对应的像素点确定为瞳孔边缘点；根据所述瞳孔边缘点确定所述人脸区域的瞳孔中心作为所述人脸特征信息点，并利用SUSAN算子方法检测出所述人脸区域中的眼角、嘴角及眼部边缘作为所述人脸特征信息点。根据本专利技术优选实施例，所述三维人脸图像存储于区块链中，所述构建单元具体用于：获取基准向量及平均脸；根据所述基准向量及所述平均脸构建目标人脸；确定所述人脸特征信息点在所述待识别图像中的二维坐标；对所述二维坐标进行映射处理，得到三维坐标；根据所述三维坐标调整所述目标人脸，得到所述三维人脸图像。根据本专利技术优选实施例，所述计算单元具体用于：对于所述多个目标特征中本文档来自技高网...

【技术保护点】
1.一种基于人工智能的人脸识别方法，其特征在于，所述基于人工智能的人脸识别方法包括：/n当接收到人脸识别指令时，从所述人脸识别指令中提取待识别图像，并从所述待识别图像中确定人脸区域；/n从所述人脸区域中提取人脸特征信息点；/n基于所述人脸特征信息点构建所述待识别图像的三维人脸图像；/n从所述三维人脸图像中提取多个目标特征；/n计算所述多个目标特征与配置库中的配置特征的相似度，得到多个目标值；/n基于所述多个目标值确定所述待识别图像的目标用户。/n

【技术特征摘要】
1.一种基于人工智能的人脸识别方法，其特征在于，所述基于人工智能的人脸识别方法包括：
当接收到人脸识别指令时，从所述人脸识别指令中提取待识别图像，并从所述待识别图像中确定人脸区域；
从所述人脸区域中提取人脸特征信息点；
基于所述人脸特征信息点构建所述待识别图像的三维人脸图像；
从所述三维人脸图像中提取多个目标特征；
计算所述多个目标特征与配置库中的配置特征的相似度，得到多个目标值；
基于所述多个目标值确定所述待识别图像的目标用户。


2.如权利要求1所述的基于人工智能的人脸识别方法，其特征在于，所述从所述待识别图像中确定人脸区域包括：
从所述待识别图像中确定多个肤色区域；
利用检测窗口从所述待识别图像中选取所述多个肤色区域，得到多个待确定区域；
拼接所述多个待确定区域，得到目标图像；
利用预先训练好的人脸检测器检测所述目标图像，得到所述人脸区域。


3.如权利要求2所述的基于人工智能的人脸识别方法，其特征在于，在利用预先训练好的人脸检测器检测所述目标图像之前，所述基于人工智能的人脸识别方法还包括：
获取数据集，所述数据集包括正样本及负样本，所述正样本为人脸图像，所述负样本为背景图像；
划分所述数据集，得到训练样本及测试样本；
提取所述训练样本的像素级差分特征，并根据所述像素级差分特征构建深度二叉树；
采用bootstrap框架对所述深度二叉树进行级联，生成学习器；
利用所述测试样本测试所述学习器；
当检测到所述学习器通过测试时，将所述学习器确定为所述人脸检测器。


4.如权利要求1所述的基于人工智能的人脸识别方法，其特征在于，所述从所述人脸区域中提取人脸特征信息点包括：
对所述人脸区域进行灰度值处理，得到所述人脸区域的多个像素点及每个像素点对应的灰度值；
当检测到任意灰度值大于阈值时，将所述任意灰度值对应的像素点确定为瞳孔边缘点；
根据所述瞳孔边缘点确定所述人脸区域的瞳孔中心作为所述人脸特征信息点，并利用SUSAN算子方法检测出所述人脸区域中的眼角、嘴角及眼部边缘作为所述人脸特征信息点。


5.如权利要求1所述的基于人工智能的人脸识别方法，其特征在于，所述三维人脸图像存储于区块链中，所述基于所述人脸特征信息点构建所述待识别图像的三维人脸图像包括：
获取基准向量及平均脸；<...

【专利技术属性】
技术研发人员：邹泽宇，
申请(专利权)人：中国平安人寿保险股份有限公司，
类型：发明
国别省市：广东;44