人脸识别方法及装置、嵌入式设备及计算机可读存储介质与流程

本申请涉及人脸识别，更具体而言，涉及一种人脸识别方法、人脸识别装置、嵌入式设备及非易失性计算机可读存储介质。

背景技术：

1、近年来，随着计算机性能的快速提升和深度学习方法的不断完善，模式识别和人工智能领域皆取得了重大的突破。人们通过深度学习方法在很多模式识别任务上都取得了十分优秀的效果，人脸识别也不例外。然而，人脸识别过程中，需先提取人脸特征，并在人脸特征库中进行搜索，但是人脸特征的数据量过大，则会导致人脸识别效率较低。

技术实现思路

1、本申请实施方式提供一种人脸识别方法、人脸识别装置、嵌入式设备及非易失性计算机可读存储介质。

2、本申请实施方式的人脸识别方法包括检测采集图像中的人脸信息，以生成人脸图像；基于预设的人脸筛选模型，检测所述人脸图像的质量；及基于可重构计算单元，计算质量达到预设条件的人脸图像的人脸特征向量和预设人脸特征向量的相似度，以进行人脸识别。

3、本申请实施方式的人脸识别装置包括生成模块、第一检测模块和识别模块。所述生成模块用于检测采集图像中的人脸信息，以生成人脸图像。所述第一检测模块用于基于预设的人脸筛选模型，检测所述人脸图像的质量。所述识别模块用于基于可重构计算单元，计算质量达到预设条件的人脸图像的人脸特征向量和预设人脸特征向量的相似度，以进行人脸识别。

4、本申请实施方式的嵌入式设备包括处理器。所述处理器用于检测采集图像中的人脸信息，以生成人脸图像；基于预设的人脸筛选模型，检测所述人脸图像的质量；及基于可重构计算单元，计算质量达到预设条件的人脸图像的人脸特征向量和预设人脸特征向量的相似度，以进行人脸识别。

5、本申请实施方式的非易失性计算机可读存储介质包含计算机程序，当所述计算机程序被一个或多个处理器执行时，使得所述处理器执行如下人脸识别方法：检测采集图像中的人脸信息，以生成人脸图像；基于预设的人脸筛选模型，检测所述人脸图像的质量；及基于可重构计算单元，计算质量达到预设条件的人脸图像的人脸特征向量和预设人脸特征向量的相似度，以进行人脸识别。

6、本申请实施方式的人脸识别方法、人脸识别装置、嵌入式设备及非易失性计算机可读存储介质中，在对人脸图像进行人脸识别前，会基于预设的人脸筛选模型，以检测人脸图像的质量，只有人脸图像的质量达到预设条件，才会基于可重构算单元，进行人脸识别，即在对人脸图像进行人脸识别前，会剔除一些质量较差的人脸图像，从而减少需要进行人脸识别的人脸图像的数量，以提高识别效率，且可重构计算单元可减少处理器的工作量，从而降低嵌入式设备在人脸识别过程中所用到的资源占用率和耗时，从而满足嵌入式设备在其他工作上的运行需求。

7、本申请的实施方式的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实施方式的实践了解到。

技术特征：

1.一种人脸识别方法，其特征在于，包括：

2.根据权利要求1所述的人脸识别方法，其特征在于，所述人脸信息包括目标人脸的人脸位置，所述检测采集图像中的人脸信息，以生成人脸图像，包括：

3.根据权利要求2所述的人脸识别方法，其特征在于，所述人脸信息还包括人脸关键点，所述人脸识别方法还包括：

4.根据权利要求2所述的人脸识别方法，其特征在于，所述检测所述采集图像中所述人脸位置，包括：

5.根据权利要求1所述的人脸识别方法，其特征在于，所述基于可重构计算单元，计算质量达到预设条件的人脸图像的人脸特征向量和预设人脸特征向量的相似度，以进行人脸识别，包括：

6.根据权利要求1所述的人脸识别方法，其特征在于，所述基于可重构计算单元，计算质量达到预设条件的人脸图像的人脸特征向量和预设人脸特征向量的相似度，以进行人脸识别，包括：

7.根据权利要求6所述的人脸识别方法，其特征在于，所述输入预设的人脸信息数据库中的预存特征向量到可重构计算单元，以计算所述待测人脸特征向量和所述预存特征向量的相似度，并根据所述相似度确定目标特征向量，包括：

8.根据权利要求6所述的人脸识别方法，其特征在于，所述计算所述待测人脸特征向量和所述预存特征向量的相似度，包括：

9.一种人脸识别装置，其特征在于，包括：

10.一种嵌入式设备，其特征在于，包括处理器，所述处理器用于检测采集图像中的人脸信息，以生成人脸图像；基于预设的人脸筛选模型，检测所述人脸图像的质量；及基于可重构计算单元，计算质量达到预设条件的人脸图像的人脸特征向量和预设人脸特征向量的相似度，以进行人脸识别。

11.根据权利要求10所述的嵌入式设备，其特征在于，所述人脸信息包括目标人脸的人脸位置，所述处理器用于基于预设人脸检测模型，检测所述人脸图像中所述人脸位置；根据所述人脸位置生成所述人脸图像。

12.根据权利要求11所述的嵌入式设备，其特征在于，所述人脸信息还包括人脸关键点，所述处理器用于基于预设人脸检测模型，检测所述人脸图像中的所述人脸关键点的位置；根据所述人脸位置及所述人脸关键点的位置，对齐所述人脸图像，以使得对齐后的所述人脸图像的所述目标人脸的姿态调整为预设姿态；检测对齐后的所述人脸图像的质量。

13.根据权利要求11所述的嵌入式设备，其特征在于，所述处理器用于根据所述采集图像的尺寸，生成多个预设尺寸的候选框，并输出每个所述候选框的评分；确定评分大于预设评分的所述候选框为人脸框；获取任意两个存在重合部分的所述人脸框之间的重合度，确定所述重合度大于预设重合度的所述人脸框中，所述评分最高的所述人脸框为目标人脸框；输出所述目标人脸框的位置以作为所述人脸位置。

14.根据权利要求10所述的嵌入式设备，其特征在于，所述处理器用于基于预设的特征提取模型，提取所述人脸图像的特征，以生成采集人脸特征向量；根据所述采集人脸特征向量，建立人脸信息数据库。

15.根据权利要求10所述的嵌入式设备，其特征在于，所述处理器用于基于预设的特征提取模型，提取所述人脸图像的特征，以生成待测人脸特征向量；输入预设的人脸信息数据库中的预存特征向量到所述可重构计算单元，以计算所述待测人脸特征向量和所述预存特征向量的相似度，并根据所述相似度确定目标特征向量；在所述目标特征向量和所述待测人脸特征向量的相似度大于预设阈值的情况下，确定人脸认证成功。

16.根据权利要求15所述的嵌入式设备，其特征在于，所述处理器用于根据所述可重构计算单元的内存容量，将所述人脸信息数据库中的所述预存特征向量分为多个特征集，以使得每个所述特征集占用的内存小于所述内存容量；依次输入每个所述特征集到所述可重构计算单元中，以计算所述待测人脸特征向量和每个所述特征集的所述预存特征向量的相似度；根据每个所述预存特征向量对应相似度进行排序，以确定预设排序的所述预存特征向量为所述目标特征向量。

17.根据权利要求15所述的嵌入式设备，其特征在于，所述处理器还用于计算所述待测人脸特征向量和所述预存特征向量的欧式距离；及根据所述欧式距离确定所述待测人脸特征向量和所述预存特征向量的相似度。

18.一种非易失性计算机可读存储介质，其特征在于，存储有计算机程序，当所述计算机程序被一个或多个处理器执行时，实现执行权利要求1-8任意一项所述的人脸识别方法。

技术总结
本发明公开一种人脸识别方法、人脸识别装置、嵌入式设备及非易失性计算机可读存储介质。人脸识别方法包括：检测采集图像中的人脸信息，以生成人脸图像；基于预设的人脸筛选模型，检测所述人脸图像的质量；及基于可重构计算单元，计算质量达到预设条件的人脸图像的人脸特征向量和预设人脸特征向量的相似度，以进行人脸识别。本申请实施方式的人脸识别方法、人脸识别装置、嵌入式设备及非易失性计算机可读存储介质可会剔除一些质量较差的人脸图像，从而减少需要进行人脸识别的人脸图像的数量，以提高识别效率。且可重构计算单元可降低嵌入式设备在人脸识别过程中所用到的资源占用率和耗时，以满足嵌入式设备在其他工作上的运行需求。

技术研发人员：霍磊,王连忠,郑哲,聂玉虎,崔文朋,龚向锋,刘彬,孙健,孙天奎
受保护的技术使用者：北京智芯微电子科技有限公司
技术研发日：
技术公布日：2024/1/13