一种双通道人脸识别方法及装置与流程

本技术涉及人脸识别，并且更具体地，涉及一种双通道人脸识别方法及装置。

背景技术：

1、目前人脸识别在日常生活中应用场景相当广泛，是验证个人身份信息的重要手段。人脸识别检测通常是整体识别和特征识别共同作用的结果。对于人来说，识别人脸往往先对人脸轮廓产生模糊的印象，再通过局部特征加强记忆点。根据已有的研究发现，人脸各部位对识别的贡献也不相同，如眼睛和嘴巴的重要程度大于人的鼻子，人脸上半部分的重要性大于人脸下半部分，其中特别的人脸更加容易被人识别记住等。所以，人一般可以很容易记住并且辨别出具有明显面部特征的脸，但是对于五官分布均匀且没有那么多辨识特征的脸则不那么容易被记住和辨认。现有技术的机器人脸识别算法日趋成熟，精准度也在不断提高，但同时会带来人脸图像识别效率不高的问题，而且对设备运行和数据存储空间的要求也比较高。

技术实现思路

1、本技术提供了一种双通道人脸识别方法及装置，该技术方案可以针对不同辨识度的人脸图像，灵活采用不同的人脸识别算法，有利于提高识别效率。

2、第一方面，提供一种双通道人脸识别方法，所述方法包括，从动态验证视频获取多张人脸图像；对所述人脸图像进行预处理，获取预处理图像；

3、使用预先训练的图像分类模型对所述预处理图像进行特征提取，获取多个多维特征向量；对所述多维特征向量进行分类，获取特殊多维向量或一般多维向量；标记具有所述特殊多维向量的所述预处理图像为个性脸图像，标记不具有所述特殊多维向量的所述预处理图像为大众脸图像；

4、使用预先训练的双通道识别模型识别所述个性脸图像或所述大众脸图像；所述个性脸图像进入个性脸算法通道，计算所述个性脸图像的所述特殊多维向量与预先存储的数据库人脸图像的相似度，获取人脸识别结果；所述大众脸图像进入大众脸算法通道，对所述大众脸图像进行面部特征深度学习，与预先存储的数据库人脸图像对比，获取人脸识别结果。

5、结合第一方面，在第一方面的一种可能的实现方式中，所述对多张所述人脸图像进行预处理，包括：对所述人脸图像进行灰度转换、尺度归一化以及对齐处理，获取所述预处理图像；其中，所述灰度转化使得所述人脸图像像素具有在0～255之间的灰度值；所述尺度归一化是将所述人脸图像缩放到规定的尺寸，得到尺寸相同的人脸图像；所述对齐处理是根据检测到所述尺寸相同的人脸图像特征点的坐标位置，将所述尺寸相同的人脸图像旋转到水平并进行仿射变换。

6、结合第一方面，在第一方面的一种可能的实现方式中，所述对所述人脸图像进行预处理还包括：所述人脸图像的光线补偿、几何校正、滤波以及锐化。

7、基于本技术实施例，通过对所述人脸图像进行预处理，方便后续提取所述人脸图像的纹理特征。

8、结合第一方面，在第一方面的一种可能的实现方式中，所述使用预先训练的图像分类模型对所述预处理图像进行特征提取，获取多个多维特征向量，包括：通过局部二值模式算法提取所述预处理图像的特征值，获取多个多维特征向量；其中，至少一个所述预处理图像的特征值作为所述多维特征向量的一个维度。

9、结合第一方面，在第一方面的一种可能的实现方式中，所述对所述多维特征向量分类，获取特殊多维向量或一般多维向量，包括：将所述预处理图像的面部划分为k个区域，对所述k个区域中的所述多维特征向量分类，k为正整数；其中，所述k个区域至少包括所述预处理图像的上半脸、下半脸、左半脸、右半脸、左眉眼、右眉眼、鼻唇区；

10、计算每个区域的所述多维特征向量与对应的均值特征向量的距离值；其中，所述均值特征向量由所述图像分类模型根据训练集的数据预先计算所得；所述距离值在预设阈值内的所述多维特征向量标记为所述一般多维向量，所述距离值超出预设阈值的所述多维特征向量标记为所述特殊多维向量。

11、结合第一方面，在第一方面的一种可能的实现方式中，所述预处理图像的特征值至少包括：脸型长宽比、三庭比、五眼比、左脸长宽比、右脸长宽比、眉毛长宽、眼睛长宽、鼻子长宽、嘴巴长宽、左眉眼距、右眉眼距、眼鼻间距、口鼻间距、明显的痣的长宽及与相邻五官的距离、明显的疤痕的长宽及与相邻五官的距离。

12、结合第一方面，在第一方面的一种可能的实现方式中，所述特殊多维向量所在的区域为所述预处理图像最具辨识度的区域；统计每个区域中所述特殊多维向量的特征值与所在区域的所述均值特征向量的方差，得到r个方差较大的特征值，r为正整数；其中，所述r个方差较大的特征值表征所述最具辨识度区域中的r个辨识度特征。

13、第二方面，提供一种图像分类模型的训练方法，其特征在于，包括：准备多张预处理图像样本；通过局部二值模式算法提取所述预处理图像样本的特征值，获取多个多维特征向量；其中，至少一个所述预处理图像样本的特征值作为所述多维特征向量的一个维度；

14、对所述多维特征向量进行分类，获取特殊多维向量或一般多维向量；标记具有所述特殊多维向量的所述预处理图像样本为个性脸图像，标记不具有所述特殊多维向量的所述预处理图像样本为大众脸图像。

15、结合第二方面，在第二方面的一种可能的实现方式中，所述对所述多维特征向量进行分类，获取特殊多维向量或一般多维向量，包括：

16、将所述预处理图像样本的面部划分为k个区域，对所述k个区域中的所述多维特征向量分类，k为正整数；其中，所述k个区域至少包括所述预处理图像的上半脸、下半脸、左半脸、右半脸、左眉眼、右眉眼、鼻唇区；计算多张所述预处理图像样本每个区域的每个所述多维特征向量的平均值，得到多个均值特征向量；

17、计算每个区域的每个所述多维特征向量与对应的均值特征向量的距离值；所述距离值在预设阈值内的所述多维特征向量标记为所述一般多维向量，所述距离值超出预设阈值的所述多维特征向量标记为所述特殊多维向量。

18、结合第二方面，在第二方面的一种可能的实现方式中，从所述预处理图像样本中选取多张辨识度低的人脸图像；计算所述辨识度低的人脸图像每个区域的每个所述多维特征向量与对应的均值特征向量的距离值，确定最大距离值为所述预设阈值。

19、第三方面，提供一种双通道识别模型的训练方法，其特征在于，包括：准备多张经标记的个性脸图像样本和大众脸图像样本；将所述个性脸图像样本和大众脸图像样本作为神经网络的输入，训练识别个性脸标记，使得所述个性脸图像样本进入个性脸算法通道，输出人脸识别结果；训练识别大众脸标记，使得所述大众脸样本进入大众脸算法通道，输出人脸识别结果。

20、结合第三方面，在第三方面的一种可能的实现方式中，建立所述个性脸算法通道，构建所述个性脸图像样本的特殊多维向量与数据库的人脸图像的多维特征向量的相似度计算；建立大众脸算法通道，构建卷积神经网络模型对面部特征进行深度学习，计算深度学习获取的面部特征向量与数据库的人脸图像的面部特征向量相似度。

21、第四方面，提供一种双通道人脸识别装置，其特征在于，所述装置包括：

22、采集模块，用于采集待验证人员的动态验证视频，获取所述动态验证视频的多张人脸图像；

23、预处理模块，用于对所述多张人脸图像进行预处理，得到预处理图像；

24、分类模块，用于对所述预处理图像进行特征提取，获取多个多维特征向量；对所述多维特征向量分类，获取特殊多维向量或一般多维向量；标记具有所述特殊多维向量的所述预处理图像为个性脸图像，标记不具有所述特殊多维向量的所述预处理图像为大众脸图像；

25、双通道识别模块，用于识别所述个性脸图像或大众脸图像；所述个性脸图像进入个性脸算法通道，计算所述个性脸图像的所述特殊多维向量与预先存储的数据库人脸图像的相似度，获取人脸识别结果；所述大众脸图像进入大众脸算法通道，对所述大众脸图像进行面部特征深度学习，与预先存储的数据库人脸图像对比，获取人脸识别结果。

26、结合第四方面，在第四方面的一种可能的实现方式中，所述预处理模块具体用于：对所述人脸图像进行灰度转换、尺度归一化以及对齐处理，以获得所述预处理图像；其中，所述灰度转化使得所述人脸图像像素具有在0～255之间的灰度值；所述尺度归一化是将所述人脸图像缩放到规定的尺寸，得到尺寸相同的人脸图像；所述对齐处理是根据检测到所述尺寸相同的人脸图像特征点的坐标位置，将所述尺寸相同的人脸图像旋转到水平并进行仿射变换。

27、结合第四方面，在第四方面的一种可能的实现方式中，所述预处理模块还用于：对所述人脸图像进行光线补偿、几何校正、滤波以及锐化。

28、结合第四方面，在第四方面的一种可能的实现方式中，所述分类模块具体用于：通过局部二值模式算法提取所述预处理图像的特征值，获取多个多维特征向量；其中，至少一个所述预处理图像的特征值作为所述多维特征向量的一个维度。

29、结合第四方面，在第四方面的一种可能的实现方式中，所述分类模块具体用于：将所述预处理图像的面部划分为k个区域，对所述k个区域中的所述多维特征向量分类，k为正整数；其中，所述k个区域至少包括所述预处理图像的上半脸、下半脸、左半脸、右半脸、左眉眼、右眉眼、鼻唇区；

30、计算每个区域的所述多维特征向量与对应的均值特征向量的距离值；其中，所述均值特征向量由所述图像分类模型根据训练集的数据预先计算所得；所述距离值在预设阈值内的所述多维特征向量标记为所述一般多维向量，所述距离值超出预设阈值的所述多维特征向量标记为所述特殊多维向量。

31、结合第四方面，在第四方面的一种可能的实现方式中，所述预处理图像的特征值包括：脸型长宽比、三庭比、五眼比、左脸长宽比、右脸长宽比、眉毛长宽、眼睛长宽、鼻子长宽、嘴巴长宽、左眉眼距、右眉眼距、眼鼻间距、口鼻间距、明显的痣的长宽及与相邻五官的距离、明显的疤痕的长宽及与相邻五官的距离等。

32、结合第四方面，在第四方面的一种可能的实现方式中，所述特殊多维向量所在的区域为所述预处理图像最具辨识度的区域；统计每个区域中所述特殊多维向量的特征值与所在区域的所述均值特征向量的方差，得到r个方差较大的特征值，r为正整数；其中，所述r个方差较大的特征值表征所述最具辨识度区域中的r个辨识度特征。

33、第五方面，提供一种芯片，所述芯片包括处理器与数据接口，所述处理器通过所述数据接口读取存储器上存储的指令，以执行如上述第一方面及其任一种可能的实现方式中所述的双通道人脸识别方法。

34、第六方面，提供一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面及其任一种可能的实现方式中所述的双通道人脸识别方法。

35、第七方面，提供一种计算机可读存储介质，其上存储有计算机程序或指令，所述计算机程序或指令被执行时，使得如上述第一方面及其任一种可能的实现方式中所述的双通道人脸识别方法被执行。

36、第八方面，一种计算机程序产品，其特征在于，当所述计算机程序在计算机上执行时，使得所述计算机执行如上述第一方面及其任一种可能的实现方式中所述的双通道人脸识别方法。