申请/专利权人：普天信息技术有限公司

申请日：2019-04-22

公开（公告）日：2024-04-23

公开（公告）号：CN111832364B

主分类号：G06V40/16

分类号：G06V40/16;G06V10/764;G06V10/82;G06N3/045;G06N3/0464;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2020.11.13#实质审查的生效;2020.10.27#公开

摘要：本发明实施例公开一种人脸识别方法及装置。其中，所述方法包括：获取待识别对象的场景照，场景照包括待识别对象的人脸图像；将待识别对象的场景照输入到人脸识别模型的场景照识别分支网络，获得场景照特征；其中，人脸识别模型是基于第一训练样本数据、第二训练样本数据和第三训练样本数据训练获得的；根据场景照特征以及各个比较对象的证件照特征，获得待识别对象的人脸识别结果；其中，每个比较对象的证件照特征是根据每个比较对象的证件照以及第一分辨率特征提取分支网络或第二分辨率特征提取分支网络预先获得的。所述装置用于执行上述方法。本发明实施例提供的人脸识别方法及装置，提高了人脸识别的准确性。

主权项：1.一种人脸识别方法，其特征在于，包括：获取待识别对象的场景照，所述场景照包括所述待识别对象的人脸图像；将所述待识别对象的场景照输入到人脸识别模型的场景照识别分支网络，获得所述待识别对象的场景照特征；其中，所述人脸识别模型是基于第一训练样本数据、第二训练样本数据和第三训练样本数据训练获得的；根据所述待识别对象的场景照特征以及各个比较对象的证件照特征，获得所述待识别对象的人脸识别结果；其中，每个所述比较对象的证件照特征是根据每个所述比较对象的证件照以及所述人脸识别模型的第一分辨率特征提取分支网络或第二分辨率特征提取分支网络预先获得的；基于所述第一训练样本数据、所述第二训练样本数据和所述第三训练样本数据训练获得所述人脸识别模型的步骤包括：根据第一训练样本数据对第一卷积神经网络模型进行训练，获得所述人脸识别模型的基础特征提取网络；其中，所述第一训练样本数据包括第一预设数量的第一训练样本以及与每个所述第一训练样本对应的识别标识；根据所述第二训练样本数据对第二卷积神经网络模型进行训练，获得所述人脸识别模型的第一分辨率像素恢复网络；其中，所述第二训练样本数据包括第二预设数量第一分辨率训练样本及与每个所述第一分辨率训练样本一一对应的第二分辨率训练样本，所述第一分辨率训练样本作为所述第二卷积神经网络模型的输入，所述第二分辨率训练样本作为对应的所述第一分辨率训练样本的识别标识；根据所述第二训练样本数据对第三卷积神经网络模型进行训练，获得所述人脸识别模型的第二分辨率像素压缩网络；其中，所述第二分辨率训练样本作为所述第三卷积神经网络模型的输入，所述第一分辨率训练样本作为对应的所述第二分辨率训练样本的识别标识；基于所述基础特征提取网络和所述第一分辨率像素恢复网络构建原始第一分辨率特征提取分支网络，基于所述基础特征提取网络和所述第二分辨率像素压缩网络构建原始第二分辨率特征提取分支网络，并基于所述基础特征提取网络构建原始场景照识别分支网络；基于所述原始场景照识别分支网络、所述原始第一分辨率特征提取分支网络和所述原始第二分辨率特征提取分支网络，建立多分支神经网络模型；基于所述第三训练样本数据对所述多分支神经网络模型进行训练，获得所述人脸识别模型；其中，所述第三训练样本数据包括第三预设数量组第三训练样本，每组所述第三训练样本包括一个所述第一分辨率训练样本、一个所述第二分辨率训练样本和至少一个场景照训练样本。

全文数据：

权利要求：

百度查询： 普天信息技术有限公司 一种人脸识别方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD