【技术实现步骤摘要】
本专利技术公开一种人脸识别方法，特别是一种人脸识别训练与应用方法、系统及存储介质，属于cv算法。
技术介绍
1、ai人工智能的飞速发展下，人脸识别在大多领域中占据着重要位置。其中，智能驾驶方向有着包含人脸关键点检测以及人脸对齐后的人脸特征进行司机人脸身份验证识别等。
2、当前对人脸识别的方法主要是基于深度学习的方法，深度学习通过提取人脸面部特征对人脸进行编码，经过对两张人脸图像解码后的人脸特征向量计算两者之间的欧式距离，根据所得的距离的大小进行判定是否为同一张人脸，得到的距离越小，说明两张图片中的人脸是同一个人的可能性较大，反之则两张人脸图片是同一个人的可能性越小。由于数据的不同，导致人脸识别的做法也多种多样，有三通道彩色图片对比三通道彩色图片的人脸识别，有单通道灰度图对比单通道灰度图的人脸识别，也有红外图片对比彩色图片的人脸识别等等方式。
3、现有技术中，红外图片对比彩色图片进行人脸识别技术普遍存在以下几个缺陷：
4、（1）红外图片对比彩色图片进行人脸识别时，同一个人的人脸图像分数低。红外成像的图片与手机等拍照设备拍摄成像的图片相比其清晰度较差，噪点较多，编码形成的图片仿佛经过了多重滤镜过后的结果，丢失了大量的人脸面部特征，最直观的体现于同一个角度拍照同一个人，彩色成像的图片可以清晰看到人脸面部纹理等等特征，而红外成像图片的会造成原本该人脸面部有着痣、斑点等等细微特征，在经过红外成像后，这部分的细微特征都被噪点滤波掉了，从而导致在同一个人的红外图片与彩色图片进行人脸识别时，计算得到的欧式距离
5、（2）红外图片对比彩色图片进行人脸识别时，不同人脸的分数与同一个人脸的分数差异不大，难以区分开。在进行人脸识别时，主要是区分出不同人脸，使得同一个人的人脸特征聚为一类，不同人的人脸特征间距尽量拉开。红外图片与彩色图片进行人脸识别时，经常会出现不同人脸的特征之间的间距也经常出现靠近的现象，最直观的体现为预测的两个不同人脸的分数与预测同一个人脸的分数数值相差不大。
6、（3）红外图片匹配彩色图片的形式进行人脸识别相关的技术较少。查询资料发现，红外图片匹配的彩色图片进行人脸识别相关的资料较为稀少，同时匹配得到的分数普遍偏低，大多数的做法都是彩色三通道图片数据匹配彩色三通道图片数据。
技术实现思路
1、针对上述提到的现有技术中的彩色人脸图片与红外人脸图片进行人脸识别时出现的分数低而且容易识别错误的问题，本专利技术提供一种人脸识别训练与应用方法、系统及存储介质，其通过欧氏距离和余弦相似度相结合进行人脸识别，识别率高。
2、本专利技术解决其技术问题采用的技术方案是：一种人脸识别训练与应用方法，该方法包括下述步骤：
3、步骤s1、采集红外图片以及红外图片尺寸确认：通过红外镜头采集红外图片，并对红外镜头采集的图片进行确认图片大小尺寸，在得到红外图片尺寸后进行步骤s2；
4、步骤s2、彩色图片尺寸缩放：将数据库中存储的彩色人脸照片尺寸进行缩放，使其与红外图片大小尺寸相适应；
5、步骤s3、彩色图片及红外图片进行人脸检测并缩放人脸图片：通过步骤s1和步骤s2分别得到一张同一尺寸大小的红外图片和彩色图片，红外图片和彩色图片分别送给人脸检测模型进行人脸的截取，得到一组图片对；
6、步骤s4、人脸对齐：将步骤s3中所得到的图片做人脸对齐处理；
7、步骤s5、计算人脸欧式距离并结合余弦相似度进行人脸识别：在步骤s4中，得到了处理好的待识别的人脸数据，对人脸识别模型进行输入图片识别，模型的输出为512维度的向量，根据这些向量计算出两张人脸之间的欧式距离，对欧式距离的值进行做一次幂函数的运算，并结合余弦相似度给定一个阈值进行判断是否同一个人，在整个结合过程中，按模型输出的结果计算的欧式距离与余弦相似度，以幂运算后的欧式距离值按0.6的权值结合0.2的余弦相似度的权值计算出最终的得分的形式进行判断，最后需要进行判断识别到的人脸是否为数据库中包含的人脸照片，如果是，则给予通过权限，并记录，如果不是，则再次进行人脸识别。
8、一种人脸识别训练与应用系统，系统包括：
9、采集红外图片以及红外图片尺寸确认单元：用于通过红外镜头采集红外图片，并对红外镜头采集的图片进行确认图片大小尺寸，在得到红外图片尺寸后进行后续操作；
10、彩色图片尺寸缩放单元：用于将数据库中存储的彩色人脸照片尺寸进行缩放，使其与红外图片大小尺寸相适应；
11、彩色图片及红外图片进行人脸检测并缩放人脸图片单元：通过采集红外图片以及红外图片尺寸确认单元和彩色图片尺寸缩放单元分别得到一张同一尺寸大小的红外图片和彩色图片，红外图片和彩色图片分别送给人脸检测模型进行人脸的截取，得到一组图片对；
12、人脸对齐单元：将彩色图片及红外图片进行人脸检测并缩放人脸图片单元中所得到的图片做人脸对齐处理；
13、计算人脸欧式距离并结合余弦相似度进行人脸识别单元：在人脸对齐单元中，得到了处理好的待识别的人脸数据，对人脸识别模型进行输入图片识别，模型的输出为512维度的向量，根据这些向量计算出两张人脸之间的欧式距离，对欧式距离的值进行做一次幂函数的运算，并结合余弦相似度给定一个阈值进行判断是否同一个人，在整个结合过程中，按模型输出的结果计算的欧式距离与余弦相似度，以幂运算后的欧式距离值按0.6的权值结合0.2的余弦相似度的权值计算出最终的得分的形式进行判断，最后需要进行判断识别到的人脸是否为数据库中包含的人脸照片，如果是，则给予通过权限，并记录，如果不是，则再次进行人脸识别。
14、一种存储介质，存储介质中存储有运行时能实现如上述的人脸识别训练与应用方法的程序。
15、本专利技术解决其技术问题采用的技术方案进一步还包括：
16、所述的步骤s2中，在缩放的时候采用letterbox的方式进行缩放。
17、所述的步骤s3中，针对人脸图片做letterbox形式的缩放，缩放为同一大小的分辨率为256×256尺寸的图片。
18、所述的步骤s4中，人脸对齐处理时通过关键点模型对人面部的五官进行微调，使得人脸上的眉毛、嘴巴等五官处于同一水平线上，得到一组大小尺寸统一而且对齐好的图片对，在所有的图片对中，以彩色人脸图片作为人脸数据库，以红外图片作为待识别验证的人脸。
19、所述的方法还包括训练人脸识别模型方式获取人脸识别模型：获取人脸识别神经网络的算法模型，采用开源的算法insightface作为人脸识别算法，在整个训练方式中，采用了同一个人的红外数据量比彩色数据量以2比1的比值，经过以至少确保同一个人的数据的形式作为一组的图片对的形式进行输入，多出来的红外数据则进行随机配对，在分配正咧、负咧的时候，采取了正咧全部采全，负咧则按一定比例进行采取，得到的一个训练集进行输送给神经本文档来自技高网...
【技术保护点】
1.一种人脸识别训练与应用方法，其特征是：所述的方法包括下述步骤：
2.根据权利要求1所述的人脸识别训练与应用方法，其特征是：所述的步骤S2中，在缩放的时候采用letterbox的方式进行缩放。
3.根据权利要求1所述的人脸识别训练与应用方法，其特征是：所述的步骤S3中，针对人脸图片做letterbox形式的缩放，缩放为同一大小的分辨率为256×256尺寸的图片。
4.根据权利要求1所述的人脸识别训练与应用方法，其特征是：所述的步骤S4中，人脸对齐处理时通过关键点模型对人面部的五官进行微调，使得人脸上的眉毛、嘴巴等五官处于同一水平线上，得到一组大小尺寸统一而且对齐好的图片对，在所有的图片对中，以彩色人脸图片作为人脸数据库，以红外图片作为待识别验证的人脸。
5.根据权利要求1所述的人脸识别训练与应用方法，其特征是：所述的方法还包括训练人脸识别模型方式获取人脸识别模型：获取人脸识别神经网络的算法模型，采用开源的算法insightface作为人脸识别算法，在整个训练方式中，采用了同一个人的红外数据量比彩色数据量以2比1的比值，经过以至少确
6.一种人脸识别训练与应用系统，其特征是：所述的系统包括：
7.根据权利要求6所述的人脸识别训练与应用系统，其特征是：所述的彩色图片尺寸缩放单元中，在缩放的时候采用letterbox的方式进行缩放，所述的彩色图片及红外图片进行人脸检测并缩放人脸图片单元中，针对人脸图片做letterbox形式的缩放，缩放为同一大小的分辨率为256×256尺寸的图片。
8.根据权利要求6所述的人脸识别训练与应用系统，其特征是：所述的人脸对齐单元中，人脸对齐处理时通过关键点模型对人面部的五官进行微调，使得人脸上的眉毛、嘴巴等五官处于同一水平线上，得到一组大小尺寸统一而且对齐好的图片对，在所有的图片对中，以彩色人脸图片作为人脸数据库，以红外图片作为待识别验证的人脸。
9.根据权利要求6所述的人脸识别训练与应用系统，其特征是：所述的系统还包括训练人脸识别模型方式获取人脸识别模型单元：获取人脸识别神经网络的算法模型，采用开源的算法insightface作为人脸识别算法，在整个训练方式中，采用了同一个人的红外数据量比彩色数据量以2比1的比值，经过以至少确保同一个人的数据的形式作为一组的图片对的形式进行输入，多出来的红外数据则进行随机配对，在分配正咧、负咧的时候，采取了正咧全部采全，负咧则按一定比例进行采取，得到的一个训练集进行输送给神经网络进行训练，经过训练后就取得到所需要的人脸识别模型。
10.一种存储介质，其特征是：所述的存储介质中存储有运行时能实现如权利要求1至5中任意一项所述的人脸识别训练与应用方法的程序。
...【技术特征摘要】
1.一种人脸识别训练与应用方法，其特征是：所述的方法包括下述步骤：
2.根据权利要求1所述的人脸识别训练与应用方法，其特征是：所述的步骤s2中，在缩放的时候采用letterbox的方式进行缩放。
3.根据权利要求1所述的人脸识别训练与应用方法，其特征是：所述的步骤s3中，针对人脸图片做letterbox形式的缩放，缩放为同一大小的分辨率为256×256尺寸的图片。
4.根据权利要求1所述的人脸识别训练与应用方法，其特征是：所述的步骤s4中，人脸对齐处理时通过关键点模型对人面部的五官进行微调，使得人脸上的眉毛、嘴巴等五官处于同一水平线上，得到一组大小尺寸统一而且对齐好的图片对，在所有的图片对中，以彩色人脸图片作为人脸数据库，以红外图片作为待识别验证的人脸。
5.根据权利要求1所述的人脸识别训练与应用方法，其特征是：所述的方法还包括训练人脸识别模型方式获取人脸识别模型：获取人脸识别神经网络的算法模型，采用开源的算法insightface作为人脸识别算法，在整个训练方式中，采用了同一个人的红外数据量比彩色数据量以2比1的比值，经过以至少确保同一个人的数据的形式作为一组的图片对的形式进行输入，多出来的红外数据则进行随机配对，在分配正咧、负咧的时候，采取了正咧全部采全，负咧则按一定比例进行采取，得到的一个训练集进行输送给神经网络进行训练，经过训练后就取得到所需要的人脸识别模型。
6.一种人脸识别训练与应用系统，其特征是：所述的系统包...
【专利技术属性】
技术研发人员：唐忠林，韦赛，
申请(专利权)人：深圳市天双科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。