本發(fā)明涉及圖像識(shí)別技術(shù)領(lǐng)域，特別涉及一種人臉識(shí)別方法及系統(tǒng)。

背景技術(shù)：

人臉識(shí)別是基于人的臉部特征信息進(jìn)行身份識(shí)別的一種生物識(shí)別技術(shù)。用攝像機(jī)或攝像頭采集含有人臉的圖像或視頻流，并自動(dòng)在圖像中檢測(cè)和跟蹤人臉，進(jìn)而對(duì)檢測(cè)到的人臉進(jìn)行臉部的一系列相關(guān)技術(shù)，通常也叫做人像識(shí)別、面部識(shí)別。

基于圖像的人臉識(shí)別由于直觀、高效等特性，在美圖、支付、用戶權(quán)限驗(yàn)證、搜索等諸多場(chǎng)景下有著重要的應(yīng)用。

目前采用最為廣泛的人臉識(shí)別方法為關(guān)鍵點(diǎn)匹配方法，然而發(fā)明人在實(shí)踐中發(fā)現(xiàn)，采用關(guān)鍵點(diǎn)匹配方法進(jìn)行人臉識(shí)別需要對(duì)人臉進(jìn)行標(biāo)定以及關(guān)鍵點(diǎn)的定位及提取，一方面對(duì)于硬件的處理能力要求較高，另一方面對(duì)于夸張表情或者佩戴墨鏡等特殊情況的識(shí)別能力不足，因而并不能實(shí)現(xiàn)對(duì)人臉的可靠性與準(zhǔn)確性。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明實(shí)施例提供一種人臉識(shí)別方法及系統(tǒng)，以用于至少解決上述技術(shù)問題之一。

一方面，本發(fā)明實(shí)施例提供一種人臉識(shí)別方法，包括：

將獲取的待識(shí)別人臉圖像輸入至第一深度卷積神經(jīng)網(wǎng)絡(luò)以確定所述待識(shí)別人臉圖像為某人的概率，所述第一深度卷積神經(jīng)網(wǎng)絡(luò)基于樣本人臉圖像進(jìn)行深度學(xué)習(xí)確定；

當(dāng)所述概率大于預(yù)設(shè)閾值時(shí)，確定所述待識(shí)別人臉圖像來源于所述某人；

當(dāng)所述概率小于預(yù)設(shè)閾值時(shí)，將所述待識(shí)別人臉圖像輸入至第二深度卷積神經(jīng)網(wǎng)絡(luò)以提取所述待識(shí)別人臉圖像的特征信息；

將所述特征信息與人臉特征庫中存儲(chǔ)的參考特征信息進(jìn)行比較以識(shí)別所述待識(shí)別人臉圖像，所述參考特征信息至少基于所述樣本人臉圖像生成。

另一方面，還提供一種人臉識(shí)別系統(tǒng)，包括：

第一識(shí)別模塊，用于將獲取的待識(shí)別人臉圖像輸入至第一深度卷積神經(jīng)網(wǎng)絡(luò)以確定所述待識(shí)別人臉圖像為某人的概率，所述第一深度卷積神經(jīng)網(wǎng)絡(luò)基于樣本人臉圖像進(jìn)行深度學(xué)習(xí)確定；

閾值判斷模塊，用于判斷所述概率是否大于所述預(yù)設(shè)閾值；

第一執(zhí)行模塊，用于當(dāng)所述概率大于預(yù)設(shè)閾值時(shí)，確定所述待識(shí)別人臉圖像來源于所述某人；

第二執(zhí)行模塊，用于當(dāng)所述概率小于預(yù)設(shè)閾值時(shí)，將所述待識(shí)別人臉圖像輸入至第二深度卷積神經(jīng)網(wǎng)絡(luò)以提取所述待識(shí)別人臉圖像的特征信息；

第二識(shí)別模塊，用于將所述特征信息與人臉特征庫中存儲(chǔ)的參考特征信息進(jìn)行比較以識(shí)別所述待識(shí)別人臉圖像，所述參考特征信息至少基于所述樣本人臉圖像生成。

本發(fā)明實(shí)施例的人臉識(shí)別方法及系統(tǒng)中，在兩個(gè)方面對(duì)人臉進(jìn)行了識(shí)別，從而保證了對(duì)人臉的有效識(shí)別。一方面，通過基于樣本人臉圖像訓(xùn)練得到的第一深度卷積神經(jīng)網(wǎng)絡(luò)對(duì)人臉進(jìn)行識(shí)別，并且相應(yīng)的確定識(shí)別結(jié)果正確的概率；另一方面，當(dāng)判斷該概率值小于預(yù)設(shè)閾值時(shí)，就進(jìn)一步的通過提取待識(shí)別人臉圖像的特征信息并與人臉特征庫中存儲(chǔ)的參考特征信息進(jìn)行比對(duì)的方式來進(jìn)行人臉識(shí)別。通過上述兩方面來實(shí)現(xiàn)對(duì)人臉的識(shí)別，避免了單獨(dú)基于第一深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別時(shí)由于第一深度卷積神經(jīng)網(wǎng)絡(luò)本身質(zhì)量問題無法正確識(shí)別人臉圖像而造成的識(shí)別失敗或者錯(cuò)誤識(shí)別的情況，而是進(jìn)一步的通過另一方面提取待識(shí)別人臉圖像的特征信息并與預(yù)存人臉特征庫中存儲(chǔ)的參考特征信息進(jìn)行比較以識(shí)別所述待識(shí)別人臉圖像，從而實(shí)現(xiàn)了對(duì)人臉識(shí)別的雙重保證，確保了對(duì)人臉的有效識(shí)別。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例的技術(shù)方案，下面將對(duì)實(shí)施例描述中所需要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明的人臉識(shí)別方法一實(shí)施例的流程圖；

圖2為本發(fā)明的人臉識(shí)別方法另一實(shí)施例的流程圖；

圖3為本發(fā)明的人臉識(shí)別方法又一實(shí)施例的流程圖；

圖4為本發(fā)明的人臉識(shí)別系統(tǒng)一實(shí)施例的原理框圖；

圖5為本發(fā)明的人臉識(shí)別系統(tǒng)中的第二執(zhí)行模塊一實(shí)施例的原理框圖；

圖6為本發(fā)明的人臉識(shí)別系統(tǒng)中的第二識(shí)別模塊一實(shí)施例的原理框圖；

圖7為本發(fā)明的人臉識(shí)別系統(tǒng)的另一實(shí)施例的原理框圖；

圖8為本發(fā)明的用戶設(shè)備的一實(shí)施例的結(jié)構(gòu)示意圖。

具體實(shí)施例

為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

需要說明的是，在不沖突的情況下，本申請(qǐng)中的實(shí)施例及實(shí)施例中的特征可以相互組合。

本發(fā)明可用于眾多通用或?qū)Ｓ玫挠?jì)算系統(tǒng)環(huán)境或配置中。例如：個(gè)人計(jì)算機(jī)、服務(wù)器計(jì)算機(jī)、手持設(shè)備或便攜式設(shè)備、平板型設(shè)備、多處理器系統(tǒng)、基于微處理器的系統(tǒng)、置頂盒、可編程的消費(fèi)電子設(shè)備、網(wǎng)絡(luò)PC、小型計(jì)算機(jī)、大型計(jì)算機(jī)、包括以上任何系統(tǒng)或設(shè)備的分布式計(jì)算環(huán)境等等。

本發(fā)明可以在由計(jì)算機(jī)執(zhí)行的計(jì)算機(jī)可執(zhí)行指令的一般上下文中描述，例如程序模塊。一般地，程序模塊包括執(zhí)行特定任務(wù)或?qū)崿F(xiàn)特定抽象數(shù)據(jù)類型的例程、程序、對(duì)象、組件、數(shù)據(jù)結(jié)構(gòu)等等。也可以在分布式計(jì)算環(huán)境中實(shí)踐本發(fā)明，在這些分布式計(jì)算環(huán)境中，由通過通信網(wǎng)絡(luò)而被連接的遠(yuǎn)程處理設(shè)備來執(zhí)行任務(wù)。在分布式計(jì)算環(huán)境中，程序模塊可以位于包括存儲(chǔ)設(shè)備在內(nèi)的本地和遠(yuǎn)程計(jì)算機(jī)存儲(chǔ)介質(zhì)中。

在本發(fā)明中，“組件”、“裝置”、“系統(tǒng)”等等指應(yīng)用于計(jì)算機(jī)的相關(guān)實(shí)體，如硬件、硬件和軟件的組合、軟件或執(zhí)行中的軟件等。詳細(xì)地說，例如，組件可以、但不限于是運(yùn)行于處理器的過程、處理器、對(duì)象、可執(zhí)行組件、執(zhí)行線程、程序和/或計(jì)算機(jī)。還有，運(yùn)行于服務(wù)器上的應(yīng)用程序或腳本程序、服務(wù)器都可以是組件。一個(gè)或多個(gè)組件可在執(zhí)行的過程和/或線程中，并且組件可以在一臺(tái)計(jì)算機(jī)上本地化和/或分布在兩臺(tái)或多臺(tái)計(jì)算機(jī)之間，并可以由各種計(jì)算機(jī)可讀介質(zhì)運(yùn)行。組件還可以根據(jù)具有一個(gè)或多個(gè)數(shù)據(jù)包的信號(hào)，例如，來自一個(gè)與本地系統(tǒng)、分布式系統(tǒng)中另一組件交互的，和/或在因特網(wǎng)的網(wǎng)絡(luò)通過信號(hào)與其它系統(tǒng)交互的數(shù)據(jù)的信號(hào)通過本地和/或遠(yuǎn)程過程來進(jìn)行通信。

最后，還需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個(gè)實(shí)體或者操作與另一個(gè)實(shí)體或操作區(qū)分開來，而不一定要求或者暗示這些實(shí)體或操作之間存在任何這種實(shí)際的關(guān)系或者順序。而且，術(shù)語“包括”、“包含”，不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設(shè)備中還存在另外的相同要素。

如圖1所示，本發(fā)明的一實(shí)施例的人臉識(shí)別方法，包括：

S11、將獲取的待識(shí)別人臉圖像輸入至第一深度卷積神經(jīng)網(wǎng)絡(luò)以確定所述待識(shí)別人臉圖像為某人的概率，所述第一深度卷積神經(jīng)網(wǎng)絡(luò)基于樣本人臉圖像進(jìn)行深度學(xué)習(xí)確定；

S12、當(dāng)所述概率大于預(yù)設(shè)閾值時(shí)，確定所述待識(shí)別人臉圖像來源于所述某人；

S13、當(dāng)所述概率小于預(yù)設(shè)閾值時(shí)，將所述待識(shí)別人臉圖像輸入至第二深度卷積神經(jīng)網(wǎng)絡(luò)以提取所述待識(shí)別人臉圖像的特征信息；

S14、將所述待識(shí)別人臉圖像的特征信息與人臉特征庫中存儲(chǔ)的參考特征信息進(jìn)行比較以識(shí)別所述待識(shí)別人臉圖像，所述參考特征信息至少基于所述樣本人臉圖像生成。

在本實(shí)施例中，在兩個(gè)方面對(duì)人臉進(jìn)行了識(shí)別，從而保證了對(duì)人臉的有效識(shí)別。一方面，通過基于樣本人臉圖像訓(xùn)練得到的第一深度卷積神經(jīng)網(wǎng)絡(luò)對(duì)人臉進(jìn)行識(shí)別，并且相應(yīng)的確定識(shí)別結(jié)果正確的概率；另一方面，當(dāng)判斷該概率值小于預(yù)設(shè)閾值時(shí)(這里的預(yù)設(shè)閾值可以取0.9，或者根據(jù)識(shí)別精度的要求取更大的值或者更小的值)，就進(jìn)一步的通過提取待識(shí)別人臉圖像的特征信息并與人臉特征庫中存儲(chǔ)的參考特征信息進(jìn)行比對(duì)的方式來進(jìn)行人臉識(shí)別。通過上述兩方面來實(shí)現(xiàn)對(duì)人臉的識(shí)別，避免了單獨(dú)基于第一深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別時(shí)由于第一深度卷積神經(jīng)網(wǎng)絡(luò)本身質(zhì)量問題無法正確識(shí)別人臉圖像而造成的識(shí)別失敗或者錯(cuò)誤識(shí)別的情況，而是進(jìn)一步的通過另一方面提取待識(shí)別人臉圖像的特征信息并與預(yù)存人臉特征庫中存儲(chǔ)的參考特征信息進(jìn)行比較以識(shí)別所述待識(shí)別人臉圖像，從而實(shí)現(xiàn)了對(duì)人臉識(shí)別的雙重保證，確保了對(duì)人臉的有效識(shí)別。

在本實(shí)施例的步驟S11中的待識(shí)別人臉圖像是從視頻或者硬件設(shè)備采集的圖像中獲得的，并且對(duì)圖像進(jìn)行了預(yù)處理，例如，對(duì)圖像進(jìn)行過濾與圖像銳化以得到邊緣更加清晰，之后采用DPM(Deformable Part Model)算法從圖像中檢測(cè)并得到待識(shí)別人臉圖像。

本實(shí)施例中的步驟S11中，第一深度卷積神經(jīng)網(wǎng)絡(luò)從輸入端至輸出端至少依次包括了輸入層、五個(gè)卷積層、全連接層以及輸出層，以樣本人臉圖像作為輸入，以相應(yīng)于每一個(gè)樣本人臉圖像的設(shè)定值為輸出進(jìn)行訓(xùn)練深度學(xué)習(xí)得到；本實(shí)施例中的樣本人臉圖像可以選擇1000個(gè)人的10000張圖片為樣本人臉圖像，以這10000張圖片為輸入，不斷調(diào)整第一深度卷積神經(jīng)網(wǎng)絡(luò)，直到該第一深度卷積神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果的準(zhǔn)確率達(dá)到一定閾值，該閾值可以是0.9，或者根據(jù)對(duì)人臉圖像識(shí)別精度的要求的不同將該閾值調(diào)高或者調(diào)低。

本實(shí)施例中的步驟S13中，第二深度卷積神經(jīng)網(wǎng)絡(luò)從輸入端至輸出端至少依次包括了輸入層、五個(gè)卷積層、一個(gè)池化層、三個(gè)歸一化層、全連接層以及輸出層，第二深度卷積神經(jīng)網(wǎng)絡(luò)同樣通過上述的訓(xùn)練方法得到，并且在訓(xùn)練過程中將樣本人臉圖像在全連接層的輸出作為對(duì)樣本人臉圖像的描述，即作為樣本人臉圖像的參考特征信息(參考特征信息至少包括了基于樣本人臉圖像的邊緣信息、紋理信息以及形狀信息生成，并且參考特征信息為一個(gè)量化的數(shù)字序列)，并將參考特征信息存儲(chǔ)至人臉特征庫中。

如圖2所示，在一些實(shí)施例中，步驟S13將所述待識(shí)別人臉圖像輸入至第二深度卷積神經(jīng)網(wǎng)絡(luò)以提取所述待識(shí)別人臉圖像的特征信息包括：

S21、將所述待識(shí)別人臉圖像輸入至所述第二深度卷積神經(jīng)網(wǎng)絡(luò)；

S22、從所述第二深度卷積神經(jīng)網(wǎng)絡(luò)的全連接層獲取所述待識(shí)別人臉圖像的特征信息。

本實(shí)施例中通過當(dāng)所述概率小于預(yù)設(shè)閾值時(shí)，即，通過第一深度卷積神經(jīng)網(wǎng)絡(luò)不能識(shí)別待識(shí)別人臉圖像的身份信息時(shí)(可能是由于獲取的待識(shí)別人臉圖像的圖像質(zhì)量不夠高，不夠清楚，從而不能完整識(shí)別；或者是由于第一深度卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中所用的樣本空間有限，并不足以得到滿足識(shí)別精度要求的神經(jīng)網(wǎng)絡(luò)；或者是因?yàn)榇R(shí)別人臉圖像并不屬于訓(xùn)練第一深度卷積神經(jīng)網(wǎng)絡(luò)的樣本人臉圖像中的任何一個(gè)，即，待識(shí)別人臉圖像為新的人臉圖像)，轉(zhuǎn)而來獲取待識(shí)別人臉圖像的特征信息以用于后續(xù)與人臉特征庫中存儲(chǔ)的參考特征信息進(jìn)行比對(duì)的方式來識(shí)別待識(shí)別人臉圖像。

在一些實(shí)施例中，當(dāng)由于獲取的待識(shí)別人臉圖像的圖像質(zhì)量不夠高，不夠清楚，從而不能完整識(shí)別；或者是由于第一深度卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中所用的樣本空間有限，并不足以得到滿足識(shí)別精度要求的神經(jīng)網(wǎng)絡(luò)而導(dǎo)致不能通過第一深度卷積神經(jīng)網(wǎng)絡(luò)識(shí)別待識(shí)別人臉圖像的身份信息時(shí)，進(jìn)一步進(jìn)行特征比對(duì)的方式來對(duì)待識(shí)別人臉圖像進(jìn)行識(shí)別，保證了人臉識(shí)別的成功率；此外，如果這種情況下通過特征比對(duì)后依然無法識(shí)別待識(shí)別人臉圖像(與人臉特征庫中的參考特征信息的相似度都低于閾值)，則判定為該待識(shí)別人臉圖像的特征信息并沒有作為參考特征信息存儲(chǔ)于人臉特征庫中，這時(shí)則將相應(yīng)于該待識(shí)別人臉圖像的特征信息主動(dòng)寫入人臉特征庫中，以用于當(dāng)該待識(shí)別人臉圖像再次作為輸入圖像時(shí)順利完成人臉識(shí)別。

當(dāng)由于待識(shí)別人臉圖像并不屬于訓(xùn)練第一深度卷積神經(jīng)網(wǎng)絡(luò)的樣本人臉圖像中的任何一個(gè)，即，待識(shí)別人臉圖像為新的人臉圖像，則直接將相應(yīng)于該待識(shí)別人臉圖像的特征信息主動(dòng)寫入人臉特征庫中，以用于當(dāng)該待識(shí)別人臉圖像再次作為輸入圖像時(shí)順利完成人臉識(shí)別；本實(shí)施例通過將不屬于訓(xùn)練第一深度卷積神經(jīng)網(wǎng)絡(luò)的樣本人臉圖像的待識(shí)別人臉圖像的特征信息直接寫入人臉特征庫的方式，逐漸的完善對(duì)不同來源的人臉的識(shí)別，同時(shí)也不需要只要有新的人臉就進(jìn)行第一深度卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練而帶來的成本上的開銷(時(shí)間成本和經(jīng)濟(jì)成本)。

在一些實(shí)施例中，人臉特征庫包括第一人臉特征庫和第二人臉特征庫，第一人臉特征庫用于存儲(chǔ)相應(yīng)于所述樣本人臉圖像的參考特征信息，第二人臉特征庫用于存儲(chǔ)相應(yīng)于新的身份信息的新的參考特征信息。

本實(shí)施例中的第二人臉特征庫就是上述實(shí)施例中無法識(shí)別的人臉圖像的特征信息所寫入的地方。

本實(shí)施例中的第一人臉特征庫和第二人臉特征庫可以是物理上獨(dú)立的兩個(gè)存儲(chǔ)空間，也可以是同一個(gè)存儲(chǔ)空間中的不同的存儲(chǔ)區(qū)域。本實(shí)施例中第二人臉特征庫中存儲(chǔ)的參考特征信息可以是在人臉識(shí)別過程中不斷的逐個(gè)寫入的無法識(shí)別的人臉圖像的特征信息，也可以是直接從別的人臉識(shí)別系統(tǒng)中成批獲取的人臉圖像的特征信息(例如，有A和B兩個(gè)人臉識(shí)別系統(tǒng)，分別對(duì)應(yīng)于a和b兩個(gè)人臉特征庫，這時(shí)可以直接獲取人臉識(shí)別系統(tǒng)B的人臉特征庫直接作為人臉識(shí)別系統(tǒng)的第二人臉特征庫的一部分)，這樣就避免了當(dāng)需要擴(kuò)充一個(gè)人臉識(shí)別系統(tǒng)時(shí)，必須對(duì)第一深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行重新訓(xùn)練而帶來的成本開銷，成本開銷一般體現(xiàn)為時(shí)間成本，第一深度卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練需要大量的時(shí)間進(jìn)行反復(fù)的訓(xùn)練，而且在這段長時(shí)間的訓(xùn)練過程中整個(gè)原來的人臉識(shí)別系統(tǒng)只能停止工作，從而也造成了資源上的浪費(fèi)。

如圖3所示，在一些實(shí)施例中，將所述待識(shí)別人臉圖像的特征信息與人臉特征庫中存儲(chǔ)的參考特征信息進(jìn)行比較以識(shí)別所述待識(shí)別人臉圖像包括：

S31、分別計(jì)算所述待識(shí)別人臉圖像的特征信息與所述人臉特征庫中存儲(chǔ)的所有參考特征信息之間的相似度值；

S32、對(duì)計(jì)算得到的所有相似度值按照從大到小進(jìn)行排序，并取多個(gè)排名在前的相似度值；

S33、確定所述多個(gè)排名在前的相似度值分別所對(duì)應(yīng)的身份信息中重復(fù)次數(shù)最多的為所述待識(shí)別人臉圖像的身份信息，或者確定最大的相似度值所對(duì)應(yīng)的身份信息為所述待識(shí)別人臉圖像的身份信息。

在本實(shí)施例中，將特征信息和參考特征信息以向量的形式計(jì)算兩個(gè)向量之間的余弦相似度值，之后對(duì)計(jì)算得到的所有的余弦相似度值按照從大到小的順序進(jìn)行排序，并從大到小取多個(gè)余弦相似度值。

再查詢選出的多個(gè)余弦相似度值所對(duì)應(yīng)的多個(gè)身份信息中是否存在重復(fù)的身份信息；

如果是，則確定其中被重復(fù)次數(shù)最多的身份信息為待識(shí)別人臉圖像所對(duì)應(yīng)的身份信息，例如，取出了20個(gè)余弦相似度值，其中有5個(gè)余弦相似度值都對(duì)應(yīng)于張三，2個(gè)余弦相似度值都對(duì)應(yīng)于李四，剩下的13個(gè)余弦相似度值分別對(duì)應(yīng)于不同的身份信息，則確定被重復(fù)次數(shù)最多的張三為待識(shí)別人臉圖像的身份信息；

如果否，則確定最大的余弦相似度值所對(duì)應(yīng)的身份信息為待識(shí)別人臉圖像的身份信息。

在一些實(shí)施例中，當(dāng)計(jì)算出所有的余弦相似度值后，首先判斷最大的余弦相似度值是否小于預(yù)設(shè)閾值，例如，是否小于0.9，如果小于則判定人臉特征庫中并沒有存儲(chǔ)有相應(yīng)于該待識(shí)別人臉圖像的參考特征信息，并將該待識(shí)別人臉圖像的特征信息寫入人臉特征庫中。

本發(fā)明實(shí)施例中可以通過硬件處理器(hardware processor)來實(shí)現(xiàn)相關(guān)功能模塊。

需要說明的是，對(duì)于前述的各方法實(shí)施例，為了簡單描述，故將其都表述為一系列的動(dòng)作合并，但是本領(lǐng)域技術(shù)人員應(yīng)該知悉，本發(fā)明并不受所描述的動(dòng)作順序的限制，因?yàn)橐罁?jù)本發(fā)明，某些步驟可以采用其他順序或者同時(shí)進(jìn)行。其次，本領(lǐng)域技術(shù)人員也應(yīng)該知悉，說明書中所描述的實(shí)施例均屬于優(yōu)選實(shí)施例，所涉及的動(dòng)作和模塊并不一定是本發(fā)明所必須的。

在上述實(shí)施例中，對(duì)各個(gè)實(shí)施例的描述都各有側(cè)重，某個(gè)實(shí)施例中沒有詳述的部分，可以參見其他實(shí)施例的相關(guān)描述。

如圖4所示，本發(fā)明實(shí)施例還提供一種人臉識(shí)別系統(tǒng)，其包括：

第一識(shí)別模塊，用于將獲取的待識(shí)別人臉圖像輸入至第一深度卷積神經(jīng)網(wǎng)絡(luò)以確定所述待識(shí)別人臉圖像為某人的概率，所述第一深度卷積神經(jīng)網(wǎng)絡(luò)基于樣本人臉圖像進(jìn)行深度學(xué)習(xí)確定；

閾值判斷模塊，用于判斷所述概率是否大于所述預(yù)設(shè)閾值；

第一執(zhí)行模塊，用于當(dāng)所述概率大于預(yù)設(shè)閾值時(shí)，確定所述待識(shí)別人臉圖像來源于所述某人；

第二執(zhí)行模塊，用于當(dāng)所述概率小于預(yù)設(shè)閾值時(shí)，將所述待識(shí)別人臉圖像輸入至第二深度卷積神經(jīng)網(wǎng)絡(luò)以提取所述待識(shí)別人臉圖像的特征信息；

第二識(shí)別模塊，用于將所述特征信息與人臉特征庫中存儲(chǔ)的參考特征信息進(jìn)行比較以識(shí)別所述待識(shí)別人臉圖像，所述參考特征信息至少基于所述樣本人臉圖像生成。

在本實(shí)施例中，在兩個(gè)方面對(duì)人臉進(jìn)行了識(shí)別，從而保證了對(duì)人臉的有效識(shí)別。一方面，通過基于樣本人臉圖像訓(xùn)練得到的第一深度卷積神經(jīng)網(wǎng)絡(luò)對(duì)人臉進(jìn)行識(shí)別，并且相應(yīng)的確定識(shí)別結(jié)果正確的概率；另一方面，當(dāng)判斷該概率值小于預(yù)設(shè)閾值時(shí)(這里的預(yù)設(shè)閾值可以取0.9，或者根據(jù)識(shí)別精度的要求取更大的值或者更小的值)，就進(jìn)一步的通過提取待識(shí)別人臉圖像的特征信息并與人臉特征庫中存儲(chǔ)的參考特征信息進(jìn)行比對(duì)的方式來進(jìn)行人臉識(shí)別。通過上述兩方面來實(shí)現(xiàn)對(duì)人臉的識(shí)別，避免了單獨(dú)基于第一深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別時(shí)由于第一深度卷積神經(jīng)網(wǎng)絡(luò)本身質(zhì)量問題無法正確識(shí)別人臉圖像而造成的識(shí)別失敗或者錯(cuò)誤識(shí)別的情況，而是進(jìn)一步的通過另一方面提取待識(shí)別人臉圖像的特征信息并與預(yù)存人臉特征庫中存儲(chǔ)的參考特征信息進(jìn)行比較以識(shí)別所述待識(shí)別人臉圖像，從而實(shí)現(xiàn)了對(duì)人臉識(shí)別的雙重保證，確保了對(duì)人臉的有效識(shí)別。

如圖5所示，在一些實(shí)施例中，第二執(zhí)行模塊包括：

圖像傳輸單元，用于將所述待識(shí)別人臉圖像輸入至所述第二深度卷積神經(jīng)網(wǎng)絡(luò)；

特征信息獲取單元，用于從所述第二深度卷積神經(jīng)網(wǎng)絡(luò)的全連接層獲取所述待識(shí)別人臉圖像的特征信息。

如圖6所示，在一些實(shí)施例中，第二識(shí)別模塊包括：

相似度計(jì)算單元，用于分別計(jì)算所述特征信息與所述人臉特征庫中存儲(chǔ)的所有參考特征信息之間的相似度值；

相似度值獲取單元，用于對(duì)計(jì)算得到的所有相似度值按照從大到小進(jìn)行排序，并取多個(gè)排名在前的相似度值；

身份信息確定單元，用于確定所述多個(gè)排名在前的相似度值分別所對(duì)應(yīng)的身份信息中重復(fù)次數(shù)最多的為所述待識(shí)別人臉圖像的身份信息，或者確定最大的相似度值所對(duì)應(yīng)的身份信息為所述待識(shí)別人臉圖像的身份信息。

如圖7所示，在人臉識(shí)別系統(tǒng)的一些實(shí)施例中，還包括：

特征庫更新模塊，用于向所述人臉特征庫寫入相應(yīng)于新的身份信息的新的參考特征信息。

在一些實(shí)施例中，人臉特征庫包括第一人臉特征庫和第二人臉特征庫，所述第一人臉特征庫用于存儲(chǔ)相應(yīng)于所述樣本人臉圖像的參考特征信息，所述第二人臉特征庫用于存儲(chǔ)相應(yīng)于新的身份信息的新的參考特征信息。

上述本發(fā)明實(shí)施例的人臉識(shí)別系統(tǒng)可用于執(zhí)行本發(fā)明實(shí)施例的人臉識(shí)別方法，并相應(yīng)的達(dá)到上述本發(fā)明實(shí)施例的人臉識(shí)別方法所達(dá)到的技術(shù)效果，這里不再贅述。

另一方面，本發(fā)明實(shí)施例還公開一種服務(wù)器，該服務(wù)器包括：

存儲(chǔ)器，用于存放計(jì)算機(jī)操作指令；

處理器，用于執(zhí)行所述存儲(chǔ)器存儲(chǔ)的計(jì)算機(jī)操作指令，以執(zhí)行：

將獲取的待識(shí)別人臉圖像輸入至第一深度卷積神經(jīng)網(wǎng)絡(luò)以確定所述待識(shí)別人臉圖像為某人的概率，所述第一深度卷積神經(jīng)網(wǎng)絡(luò)基于樣本人臉圖像進(jìn)行深度學(xué)習(xí)確定；

當(dāng)所述概率大于預(yù)設(shè)閾值時(shí)，確定所述待識(shí)別人臉圖像來源于所述某人；

當(dāng)所述概率小于預(yù)設(shè)閾值時(shí)，將所述待識(shí)別人臉圖像輸入至第二深度卷積神經(jīng)網(wǎng)絡(luò)以提取所述待識(shí)別人臉圖像的特征信息；

將所述特征信息與人臉特征庫中存儲(chǔ)的參考特征信息進(jìn)行比較以識(shí)別所述待識(shí)別人臉圖像，所述參考特征信息至少基于所述樣本人臉圖像生成。

如圖8所示，為本發(fā)明上述實(shí)施例中服務(wù)器一實(shí)施例的結(jié)構(gòu)示意圖，本申請(qǐng)具體實(shí)施例并不對(duì)用服務(wù)器800的具體實(shí)現(xiàn)做限定，其包括：

處理器(processor)810、通信接口(Communications Interface)820、存儲(chǔ)器(memory)830、以及通信總線840。其中：

處理器810、通信接口820、以及存儲(chǔ)器830通過通信總線840完成相互間的通信。

通信接口820，用于與比如第三方訪問端等的網(wǎng)元通信。

處理器810，用于執(zhí)行程序832，具體可以執(zhí)行上述方法實(shí)施例中的相關(guān)步驟。

具體地，程序832可以包括程序代碼，所述程序代碼包括計(jì)算機(jī)操作指令。

處理器810可能是一個(gè)中央處理器CPU，或者是特定集成電路ASIC(Application Specific Integrated Circuit)，或者是被配置成實(shí)施本申請(qǐng)實(shí)施例的一個(gè)或多個(gè)集成電路。

以上所描述的方法實(shí)施例僅僅是示意性的，其中所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部模塊來實(shí)現(xiàn)本實(shí)施例方案的目的。本領(lǐng)域普通技術(shù)人員在不付出創(chuàng)造性的勞動(dòng)的情況下，即可以理解并實(shí)施。

通過以上的實(shí)施例的描述，本領(lǐng)域的技術(shù)人員可以清楚地了解到各實(shí)施例可借助軟件加必需的通用硬件平臺(tái)的方式來實(shí)現(xiàn)，當(dāng)然也可以通過硬件?；谶@樣的理解，上述技術(shù)方案本質(zhì)上或者說對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計(jì)算機(jī)軟件產(chǎn)品可以存儲(chǔ)在計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中，如ROM/RAM、磁碟、光盤等，包括若干指令用以使得一臺(tái)計(jì)算機(jī)設(shè)備(可以是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行各個(gè)實(shí)施例或者實(shí)施例的某些部分所述的方法。

本領(lǐng)域內(nèi)的技術(shù)人員應(yīng)明白，本發(fā)明的實(shí)施例可提供為方法、系統(tǒng)、或計(jì)算機(jī)程序產(chǎn)品。因此，本發(fā)明可采用完全硬件實(shí)施例、完全軟件實(shí)施例、或結(jié)合軟件和硬件方面的實(shí)施例的形式。而且，本發(fā)明可采用在一個(gè)或多個(gè)其中包含有計(jì)算機(jī)可用程序代碼的計(jì)算機(jī)可用存儲(chǔ)介質(zhì)(包括但不限于磁盤存儲(chǔ)器和光學(xué)存儲(chǔ)器等)上實(shí)施的計(jì)算機(jī)程序產(chǎn)品的形式。

本發(fā)明是參照根據(jù)本發(fā)明實(shí)施例的方法、設(shè)備(系統(tǒng))、和計(jì)算機(jī)程序產(chǎn)品的流程圖和/或方框圖來描述的。應(yīng)理解可由計(jì)算機(jī)程序指令實(shí)現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合。可提供這些計(jì)算機(jī)程序指令到通用計(jì)算機(jī)、專用計(jì)算機(jī)、嵌入式處理機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器以產(chǎn)生一個(gè)機(jī)器，使得通過計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器執(zhí)行的指令產(chǎn)生用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的裝置。

這些計(jì)算機(jī)程序指令也可存儲(chǔ)在能引導(dǎo)計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備以特定方式工作的計(jì)算機(jī)可讀存儲(chǔ)器中，使得存儲(chǔ)在該計(jì)算機(jī)可讀存儲(chǔ)器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能。這些計(jì)算機(jī)程序指令也可裝載到計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備上，使得在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計(jì)算機(jī)實(shí)現(xiàn)的處理，從而在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行的指令提供用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的步驟。

最后應(yīng)說明的是：以上實(shí)施例僅用以說明本發(fā)明的技術(shù)方案，而非對(duì)其限制；盡管參照前述實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對(duì)前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的精神和范圍。