一种基于动态阈值的人脸识别方法、系统及存储介质技术方案

本发明专利技术公开了一种基于动态阈值的人脸识别方法、系统及存储介质，所述方法包括：获取待识别的人脸图像，计算所述待识别的人脸图像的特征向量；利用更新算法使人脸的特征向量向特征中心方向接近；以更新后的人脸识别底库特征向量用于人脸识别。本发明专利技术在人脸识别方面，不改变人脸识别模型的前提下，利用设备端采集的人脸图像对人脸识别底库特征向量做更新，让人脸的特征向量朝着特征中心的方向进行逐步迭代，实现了现场环境的风格迁移，提升了人脸识别率，降低了误识率。

【技术实现步骤摘要】
一种基于动态阈值的人脸识别方法、系统及存储介质
本专利技术涉及人脸识别
，尤其涉及一种基于动态阈值的人脸识别方法、系统及存储介质。
技术介绍
目前，人脸识别技术已经广泛的应用于人们的生产和生活中。一般的工作流程是，在后台录入人员信息，包括人脸底库，为了保证识别的效果以及安全性，底库的照片需要经过严格的质量评价以及活体检测，并且和终端摄像头获取的图像不是同源的，这可能会产生差异较大得数据分布，进而导致识别率的下降。并且终端设备由于环境没办法控制得很好，比如设备可能部署在光线较暗、逆光的环境中，不会太严苛的控制人脸的质量评判。这些差异较大的图像可能会导致人脸在识别的过程中造成不好的体验。因此现有技术还有待于进一步发展。
技术实现思路
针对上述技术问题，本专利技术实施例提供了一种基于动态阈值的人脸识别方法、系统及存储介质，能够解决现有技术中存在的相关技术问题。本专利技术实施例的提供一种基于动态阈值的人脸识别方法，包括：获取待识别的人脸图像，计算所述待识别的人脸图像的特征向量；利用更新算法以及所述待识别的人脸图像的特征向量，更新人脸识别底库特征向量，使人脸的特征向量向特征中心方向接近；以更新后的人脸识别底库特征向量用于人脸识别。可选地，所述利用更新算法以及所述待识别的人脸图像的特征向量，更新人脸识别底库特征向量，包括：将所述待识别的人脸图像的特征向量与人脸底库的特征向量进行对比；若所述待识别的人脸图像的特征向量与人脸底库的特征向量的对比得分大于第一预设阈值，且所述人脸图像的质量满足预设要求时则触发更新机制；将所述待识别的人脸图像的特征向量作为的更新数据。可选地，所述利用更新算法以及所述待识别的人脸图像的特征向量，更新人脸识别底库特征向量，还包括：通过如下公式更新人脸识别底库特征向量：其中，中fn表示更新后的底库特征向量，f(n-1)表示更新之前的底库特征向量，fq为设备采集到复杂环境中获取到的特征向量，fg为原始录入的底库人脸特征向量；α、β、Υ为系数，α+β+Υ＝1。可选地，所述的基于动态阈值的人脸识别方法法还包括：基于不同的设备ID的适用频次使用频次设置不同的阈值；所述阈值的更新参数由仿真数据集获得。可选地，所述的基于动态阈值的人脸识别方法法还包括：根据以下公式为不同设备ID的人脸比对阈值设置不同的更新策略：其中S_k为每一次比对通过的比对得分，取值范围为0≤S_k≤1，T_n为更新后的阈值，T_(n-1)为更新前的阈值。a为经验值，α、β为常数、且α+β＝1。本专利技术实施例的还提供一种基于动态阈值的人脸识别系统，包括：特征获取模块，用于获取待识别的人脸图像，计算所述待识别的人脸图像的特征向量；特征更新模块，用于利用更新算法以及所述待识别的人脸图像的特征向量，更新人脸识别底库特征向量，使人脸的特征向量向特征中心方向接近；识别模块，以更新后的人脸识别底库特征向量用于人脸识别。可选地，所述特征获取模块，包括：将所述待识别的人脸图像的特征向量与人脸底库的特征向量进行对比；若所述待识别的人脸图像的特征向量与人脸底库的特征向量的对比得分大于第一预设阈值，且所述人脸图像的质量满足预设要求时则触发更新机制；将所述待识别的人脸图像的特征向量作为人脸识别底库特征向量的更新数据。可选地，所述特征更新模块包括：通过如下公式更新人脸识别底库特征向量：其中，中fn表示更新后的底库特征向量，fn-1表示更新之前的底库特征向量，fq为设备采集到复杂环境中获取到的特征向量，fg为原始录入的底库人脸特征向量；α、β、为系数，可选地，所述特征更新模块，包括：阈值更新模块：根据以下公式为不同设备ID的人脸比对阈值设置不同的更新策略：其中Sk为每一次比对通过的比对得分，取值范围为0≤Sk≤1，Tn为更新后的阈值，Tn-1为更新前的阈值。a为经验值，α、β为常数、且α+β＝1。本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现所述的基于动态阈值的人脸识别方法步骤。本专利技术在人脸识别方面，不改变人脸识别模型的前提下，利用设备端采集的人脸图像对人脸识别底库特征向量做更新，让人脸的特征向量朝着特征中心的方向进行逐步迭代，实现了现场环境的风格迁移，提升了人脸识别率，降低了误识率。附图说明为了更清楚的说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图做简单说明。图1为本专利技术一实施例中基于动态阈值的人脸识别方法的流程图。图2为本专利技术实施例中人脸特征向量的部分向量的示意图。图3为本专利技术另一实施例中基于动态阈值的人脸识别方法的流程图。图4为本专利技术又一实施例中基于动态阈值的人脸识别方法的流程图。图5为本专利技术另一实施例中基于动态阈值的人脸识别系统的模块图。具体实施方式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，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。以下结合附图对本专利技术实施例进行详细的描述。如图1所示，本专利技术提供的基于动态阈值的人脸识别方法，包括一下步骤：步骤S100：获取待识别的人脸图像，计算所述待识别的人脸图像的特征向量。人脸识别模型的训练是对图像做特征维度处理，是向深度学习模型输入待识别人脸图像；接收深度学习模型输出的人脸特征数据。深度学习模型中，输入层在接收到待识别人脸图像后，对待识别人脸图像进行数据处理，以得到高维特征数据；对高维特征数据进行数据降维处理，得到低维特征数据；特征组合层将低维特征数据进行预处理，并对低维特征数据进行合并处理，得到组合特征数据；对组合特征数据进行特征融合，得到人脸特征数据。但并不限于此，也可以有多中对图像处理及特征数据的处理方式。同样的，在获取到待识别的人脸图像，使用识别模块对图像做处理，在深度学习模型中首选将图像处理为高维特征数据，然后做特征处理，例如降维处理，便于深度学习模型进行一系列的运算与处理，提取出可用的人脸特征。与也可以理解为适用于深度学习模型最终识别任务的人脸特征向量。步骤S200：利用更新算法以及所述待识别的人脸图像的特征向量，更新人脸识别底库特征向量，使人脸的特征向量向特征中心方向接近。人脸识别算法依赖于图像质量，在不同场景的识别性能是不一样的，在逆光、黑暗等光线异常的环境，通常会比正常情况下体验差。现有的解决方案是采集场景图片进行再训练，替换模型的方法，但这并不是一个短期就能解决的问题。本专利技术提出的技术主要就是在不更换模型的前提下，提升算法的性能表现。具体的本文档来自技高网...

【技术保护点】
1.一种基于动态阈值的人脸识别方法，其特征在于，包括：/n获取待识别的人脸图像，计算所述待识别的人脸图像的特征向量；/n利用更新算法以及所述待识别的人脸图像的特征向量，更新人脸识别底库特征向量，使人脸的特征向量向特征中心方向接近；/n以更新后的人脸识别底库特征向量用于人脸识别。/n

【技术特征摘要】
1.一种基于动态阈值的人脸识别方法，其特征在于，包括：
获取待识别的人脸图像，计算所述待识别的人脸图像的特征向量；
利用更新算法以及所述待识别的人脸图像的特征向量，更新人脸识别底库特征向量，使人脸的特征向量向特征中心方向接近；
以更新后的人脸识别底库特征向量用于人脸识别。


2.根据权利要求1所述的基于动态阈值的人脸识别方法，其特征在于，所述利用更新算法以及所述待识别的人脸图像的特征向量，更新人脸识别底库特征向量，包括：
将所述待识别的人脸图像的特征向量与人脸底库的特征向量进行对比；
若所述待识别的人脸图像的特征向量与人脸底库的特征向量的对比得分大于第一预设阈值，且所述人脸图像的质量满足预设要求时则触发更新机制；
将所述待识别的人脸图像的特征向量作为人脸识别底库特征向量的更新数据。


3.根据权利要求2所述的基于动态阈值的人脸识别方法，其特征在于，所述利用更新算法以及所述待识别的人脸图像的特征向量，更新人脸识别底库特征向量，还包括：
通过如下公式更新人脸识别底库特征向量：

其中，中fn表示更新后的底库特征向量，fn-1表示更新之前的底库特征向量，fq为设备采集到复杂环境中获取到的特征向量，fg为原始录入的底库人脸特征向量；α、β、为系数，


4.根据权利要求1所述的基于动态阈值的人脸识别方法，其特征在于，所述方法还包括：
基于不同的设备ID的使用频次设置不同的阈值；
所述阈值的更新参数由仿真数据集获得。


5.根据权利要求1所述的基于动态阈值的人脸识别方法，其特征在于，所述方法还包括：
根据以下公式为不同设备ID的人脸比对阈值设置不同的更新策略：



其中Sk为每一次比对通过的比对得分，取值范围为0≤Sk≤1，Tn为更新后的阈值，Tn-1为更新前的阈值。a为经验值，α...

【专利技术属性】
技术研发人员：杨泽霖，杨坚，涂前彦，薛利荣，刘伟生，
申请(专利权)人：深圳禾思众成科技有限公司，
类型：发明
国别省市：广东;44