人脸识别方法、装置及终端设备制造方法及图纸

本申请适用于人脸识别技术领域，提供了人脸识别方法、装置及终端设备，包括：将待识别人脸图像输入正面人脸重构模型，得到可表征人脸特征的正面人脸信息，所述正面人脸重构模型为预先训练好的神经网络模型，基于所述正面人脸信息进行人脸识别，得到人脸识别结果。本申请可以提高人脸识别的灵活性。可以提高人脸识别的灵活性。可以提高人脸识别的灵活性。

【技术实现步骤摘要】
人脸识别方法、装置及终端设备


[0001]本申请属于人脸识别
，尤其涉及人脸识别方法、装置、终端设备以及计算机可读存储介质。

技术介绍

[0002]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，主要用摄像头采集包含人脸的图像或视频流，并自动检测和跟踪图像中的人脸，进而对检测到的人脸进行脸部识别。
[0003]随着科学技术的发展，人脸识别已广泛应用于工作生活中，如门禁机、考勤机等。为实现对部分岗位工作人员出勤统计的自动考勤，企业通常会在相应岗位安装摄像头以采集工作人员的人脸信息，与员工系统信息比对，进行人脸识别，从而实现对相应工作人员上岗出勤的统计。现有技术中，通常在工作人员岗位前方安装单摄像头采集相应工作人员的正面人脸图像进行人脸识别，以实现自动出勤统计，由于只能对正面人脸进行人脸识别，而摄像头位置是固定的，因此，在进行相应工作人员的自动出勤统计时，要求工作人员需要正面朝向摄像头，对工作人员的限制较大，影响工作人员正常工作。

技术实现思路

[0004]本申请实施例提供了人脸识别方法、装置及终端设备，可以提高现有技术中人脸识别的灵活性。
[0005]第一方面，本申请实施例提供了一种人脸识别方法，包括：
[0006]将待识别人脸图像输入正面人脸重构模型，得到可表征人脸特征的正面人脸信息，所述正面人脸重构模型为预先训练好的神经网络模型；
[0007]基于所述正面人脸信息进行人脸识别，得到人脸识别结果。
[0008]第二方面，本申请实施例提供了一种人脸识别装置，包括：
[0009]人脸重构模块，用于将待识别人脸图像输入正面人脸重构模型，得到可表征人脸特征的正面人脸信息，所述正面人脸重构模型为预先训练好的神经网络模型；
[0010]人脸识别模块，用于基于所述正面人脸信息进行人脸识别，得到人脸识别结果。
[0011]第三方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的人脸识别方法。
[0012]第四方面，本申请实施例提供了一种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程序，所述计算机程序被处理器执行时实现上述第一方面中所述的人脸识别方法的步骤。
[0013]第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的人脸识别方法。
[0014]本申请实施例与现有技术相比存在的有益效果是：采用预先训练的正面人脸重构
模型将待识别人脸图像转换为可表征人脸特征的正面人脸信息，再根据该正面人脸信息进行人脸识别，得到转换前的待识别人脸图像的人脸识别结果，由于正面人脸重构模型可将待识别人脸图像转换为表征了人脸特征的正面人脸信息，因此，通过正面人脸重构模型可将不同人脸角度的待识别人脸图像转换为标准的正面人脸信息进行人脸识别，避免人脸识别时因待识别人脸图像为非正面人脸图像时导致人脸识别结果误差较大或无法识别的问题，从而减小了采集待识别人脸图像时的局限性，提高了人脸识别的灵活性。
附图说明
[0015]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
[0016]图1是本申请实施例提供的一种人脸识别方法的流程示意图；
[0017]图2是本申请实施例提供的头部姿态示意图；
[0018]图3是本申请实施例提供的正面人脸重构网络的结构示意图；
[0019]图4是本申请实施例提供的人脸识别装置的结构示意图；
[0020]图5是本申请实施例提供的终端设备的结构示意图。
具体实施方式
[0021]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
[0022]应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0023]还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0024]另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0025]在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。
[0026]实施例一：
[0027]图1示出了本专利技术实施例提供的一种人脸识别方法的流程示意图，详述如下：
[0028]步骤S101，将待识别人脸图像输入正面人脸重构模型，得到可表征人脸特征的正面人脸信息；
[0029]上述正面人脸重构模型为预先训练好的神经网络模型。可选的，上述正面人脸信息可以是正面人脸图像的特征向量，也可以是正面人脸图像或其它可描述正面人脸特征的
信息。
[0030]本申请实施例中，通过预先训练的正面人脸重构模型将待识别人脸图像转换为统一的可表征人脸特征的正面人脸信息，使后续根据该正面人脸信息进行人脸识别，避免了采集待识别人脸图像时需采集正面人脸图像的限制，从而提高了人脸识别的灵活性。
[0031]步骤S102，基于上述正面人脸信息进行人脸识别，得到人脸识别结果。
[0032]具体的，步骤S102可表现为：将步骤S101得到的正面人脸信息与预先录入的标准正面人脸信息进行匹配，以得到人脸识别结果。
[0033]可选的，在采集用户的正面人脸图像以获取用户的标准正面人脸信息时，基于头部姿态估计或人脸对称性等，判定上述正面人脸图像是否符合设定的标准正面人脸图像的规则，将可作为标准正面人脸图像的人脸信息存为标准正面人脸信息。例如，设定俯仰角(Pitch)、偏航角(Yaw)以及滚转角(Roll)均在0至0.5度内的正面人脸图像可作为标准正面人脸图像，采集的某一用户的正面人脸图像中，人脸的俯仰角、偏航角以及滚转角均在0至0.5度内，则该正面人脸图像可作为上述用户的标准正面人脸图像，获取该标准正面人脸图像的标准正面人脸信息并存储。
[0034]上述头部姿态估计是指通过一幅人脸本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸识别方法，其特征在于，包括：将待识别人脸图像输入正面人脸重构模型，得到可表征人脸特征的正面人脸信息，所述正面人脸重构模型为预先训练好的神经网络模型；基于所述正面人脸信息进行人脸识别，得到人脸识别结果。2.如权利要求1所述的人脸识别方法，其特征在于，所述正面人脸重构模型通过如下方法进行训练，包括：采集N个样本用户在多个头部姿态下的人脸图像，得到训练集，其中，N为大于1的正整数；采集所述N个样本用户的正面人脸图像，得到标准图像集；对所述标准图像集和所述训练集中的图像分别进行预处理；基于预处理后的训练集和标准图像集对所述正面人脸重构模型进行训练。3.如权利要求2所述的人脸识别方法，其特征在于，所述采集N个样本用户在多个头部姿态的人脸图像，得到训练集，包括：针对任一样本用户i，基于头部姿态估计，采集所述样本用户i在各头部姿态下的人脸图像，并存入训练集。4.根据权利要求3所述的人脸识别方法，其特征在于，所述基于头部姿态估计，采集所述样本用户i在各头部姿态下的人脸图像为：基于头部姿态估计，依次采集所述样本用户i在三种头部运动状态下的各头部姿态的人脸图像，所述三种头部运动状态包括：头部左右运动、头部上下运动以及颈侧屈运动。5.如权利要求1至4任一项所述的人脸识别方法，其特征在于，所述将待识别人脸图像输入正面人脸重构模型之前，还包括：通过摄像头采集待识别图像；对采集到的待识别图像进行预处理，以得到所述待识别人脸图像...

【专利技术属性】
技术研发人员：谭伟，朱苑萍，李韦，王允，黎明，
申请(专利权)人：深圳市龙光云众智慧科技有限公司，
类型：发明
国别省市：