面部图像识别方法及装置制造方法及图纸

本发明专利技术提供一种面部图像识别方法及装置，属于人工智能技术领域，可应用于金融领域或其他领域。该面部图像识别方法包括：将获取的面部图像分割为各面部子图，对各面部子图分别进行特征提取，融合各面部子图特征提取结果得到子图特征融合结果；对面部图像进行特征提取得到整脸特征提取结果，融合子图特征融合结果和整脸特征提取结果得到目标特征；识别目标特征得到面部图像识别结果。本发明专利技术可以提高面部图像识别的准确率，进而有效保护客户的个人信息和财产安全。和财产安全。和财产安全。

【技术实现步骤摘要】
面部图像识别方法及装置


[0001]本专利技术涉及人工智能
，具体地，涉及一种面部图像识别方法及装置。

技术介绍

[0002]在计算机及网络技术高速发展的现代社会中，信息安全显示出前所未有的重要性。人脸识别这一生物识别技术具有用户友好的特点，被广泛用作系统入口登陆以及个人信息验证核实，保障系统内个人信息安全和财产安全。随着人脸识别登陆的广泛使用，其支撑实现对客业务场景和对内管理场景，包括但不限于客户在银行办理开卡、理财、账户管理等业务的身份确认，需要更精准安全地为客户提供人脸识别登陆及验证服务，保护客户的个人信息及财产安全。现有的人脸识别深度神经网络模型仅对全脸的整体信息进行识别，没有充分考虑细节局部与细节特征对识别结果的影响，识别错误率高，不能很好地进行实际应用。

技术实现思路

[0003]本专利技术实施例的主要目的在于提供一种面部图像识别方法及装置，以提高面部图像识别的准确率，进而有效保护客户的个人信息和财产安全。
[0004]为了实现上述目的，本专利技术实施例提供一种面部图像识别方法，包括：
[0005]将获取的面部图像分割为各面部子图，对各面部子图分别进行特征提取，融合各面部子图特征提取结果得到子图特征融合结果；
[0006]对面部图像进行特征提取得到整脸特征提取结果，融合子图特征融合结果和整脸特征提取结果得到目标特征；
[0007]识别目标特征得到面部图像识别结果。
[0008]本专利技术实施例还提供一种面部图像识别装置，包括：
[0009]子图特征融合结果模块，用于将获取的面部图像分割为各面部子图，对各面部子图分别进行特征提取，融合各面部子图特征提取结果得到子图特征融合结果；
[0010]目标特征模块，用于对面部图像进行特征提取得到整脸特征提取结果，融合子图特征融合结果和整脸特征提取结果得到目标特征；
[0011]识别模块，用于识别目标特征得到面部图像识别结果。
[0012]本专利技术实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，处理器执行计算机程序时实现所述的面部图像识别方法的步骤。
[0013]本专利技术实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现所述的面部图像识别方法的步骤。
[0014]本专利技术实施例的面部图像识别方法及装置先将面部图像分割为各面部子图，在提取各面部子图的特征后融合得到子图特征融合结果，再对面部图像进行特征提取得到整脸特征提取结果后融合子图特征融合结果得到目标特征，最后对目标特征进行识别以提高面
部图像识别的准确率，进而有效保护客户的个人信息和财产安全。
附图说明
[0015]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0016]图1是本专利技术实施例中面部图像识别方法的流程图；
[0017]图2是本专利技术另一实施例中面部图像识别方法的流程图；
[0018]图3是本专利技术实施例中得到整脸特征提取结果的流程图；
[0019]图4是本专利技术实施例中得到目标特征的流程图；
[0020]图5是本专利技术实施例中面部子图的特征提取融合图；
[0021]图6是现有技术中ResNeXt的拓扑残差结构图；
[0022]图7是本专利技术实施例中ResNeXt的拓扑残差结构图；
[0023]图8是本专利技术实施例中得到目标特征的结构示意图；
[0024]图9是本专利技术实施例的整体网络结构图；
[0025]图10是本专利技术实施例中面部图像识别装置的结构框图；
[0026]图11是本专利技术实施例中计算机设备的结构框图。
具体实施方式
[0027]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，本领域普通技术人员在没有做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。
[0028]本领域技术人员知道，本专利技术的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。
[0029]随着科学技术的发展，银行中越来越多的业务办理需要通过人脸识别进行身份验证，比如办理银行卡、登陆手机银行系统、挂失、更改手机号业务等。鉴于现有的人脸识别技术仅使用采集到的全脸整体图像进行特征提取识别，识别错误率高，不能很好的进行实际应用，本专利技术实施例提供一种面部图像识别方法，将分割后的面部图像特征与整体图像特征进行融合学习，融合了注意力机制，供算法自主学习到更加值得关注的特征，从而更加准确的识别客户人像生物信息以进行业务操作。以下结合附图对本专利技术进行详细说明。
[0030]本专利技术选用的基础网络神经架构分别是用于对分割后的图像进行特征提取的改进的轻量级网络架构MobileNet
‑
V2，和用于对整脸图像信息进行特征提取的ResNeXt，前者利用了深度可分离卷积结构，减少了计算的复杂度；后者的采用了多分支拓扑结构，在保证参数量不增加的前提下能够提取到更有价值的特征。
[0031]图1是本专利技术实施例中面部图像识别方法的流程图。如图1所示，面部图像识别方法包括：
[0032]S101：将获取的面部图像分割为各面部子图，对各面部子图分别进行特征提取，融合各面部子图特征提取结果得到子图特征融合结果。
[0033]在执行S101之前，还包括：将获取的面部图像进行仿射变换，从而保证人脸的图片角度对齐，为后续面部分割提供角度一致且为正角度的图像。一实施例中，仿射变换的公式如下：
[0034][0035]其中，x
i
为仿射变换后的面部图像的第i个特征点的横坐标，y
i
为仿射变换后的面部图像的第i个特征点的纵坐标，x
′
i
为仿射变换前的面部图像的第i个特征点的横坐标，y
′
i
为仿射变换前的面部图像的第i个特征点的纵坐标，M为变换矩阵。
[0036]在对齐面部图像后，还对面部图像进行图像降噪和光线处理等预处理操作，解决图像中存在的拍摄光线和角度等问题。
[0037]具体执行S101时，将经过预处理后的面部图像进行面部分割，分割原则如下：以“三庭五眼”为分割基础依据，将面部图像进行三等分划分，从前额发际线至眉骨，从眉骨至鼻底，从鼻底至下颏，即对面部图像按长度三等分进行图像分割。
[0038]图5是本专利技术实施例中面部子图的特征提取融合图。如图5所示，面部子图I
n
...

【技术保护点】

【技术特征摘要】
1.一种面部图像识别方法，其特征在于，包括：将获取的面部图像分割为各面部子图，对各面部子图分别进行特征提取，融合各面部子图特征提取结果得到子图特征融合结果；对所述面部图像进行特征提取得到整脸特征提取结果，融合所述子图特征融合结果和所述整脸特征提取结果得到目标特征；识别所述目标特征得到面部图像识别结果。2.根据权利要求1所述的面部图像识别方法，其特征在于，对所述面部图像进行特征提取得到整脸特征提取结果包括：对所述面部图像进行通道融合加强处理得到第一输出特征图，对所述第一输出特征图进行分组卷积；融合经过分组卷积的第一输出特征图，对融合后的第一输出特征图依次进行压缩和注意力加权得到第二输出特征图；融合所述第一输出特征图和所述第二输出特征图得到所述整脸特征提取结果。3.根据权利要求2所述的面部图像识别方法，其特征在于，对融合后的第一输出特征图依次进行压缩和注意力加权得到第二输出特征图包括：依次对融合后的第一输出特征图进行激活处理和通道融合加强处理；对经过激活处理和通道融合加强处理的第一输出特征图依次进行压缩和注意力加权得到第二输出特征图。4.根据权利要求1所述的面部图像识别方法，其特征在于，融合各面部子图特征提取结果得到子图特征融合结果之后，还包括：对所述子图特征融合结果进行等输入输出卷积；对经过等输入输出卷积的子图特征融合结果依次进行压缩和注意力加权。5.根据权利要求4所述的面部图像识别方法，其特征在于，融合所述子图特征融合结果和所述整脸...

【专利技术属性】
技术研发人员：任雁飞，李文利，武志卿，杜青，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：