被遮挡人脸的识别方法及系统、存储介质、电子设备与流程

本发明涉及人脸识别，尤指一种被遮挡人脸的识别方法及系统、存储介质、电子设备。

背景技术：

1、人脸识别在我们的日常生活中具有现实意义。采用深度神经网络人脸识别系统在理想条件下可以取得99%以上的识别准确率；然而在实际应用时，人脸识别系统的识别效果会受到多种因素的影响而导致性能下降，如光照条件、人脸角度、表情变化，以及人脸被太阳镜、口罩等遮挡。口罩遮挡人脸识别是急需解决的技术问题。

2、目标人员佩戴口罩时，会使人脸损失至少一半的特征信息，因此现有人脸识别算法的识别准确率较低。

3、现阶段针对口罩遮挡人脸识别有两个研究方向：不执行去遮挡而使用佩戴口罩人脸实现人脸识别的技术和在识别人脸之前执行去遮挡的技术。其中后一种方向是现在的研究主流方向。

4、去除遮挡的方法是利用生成对抗网络（generativeadversarial network, gan）将人脸遮挡的区域进行修复，是人脸图像恢复为未佩戴口罩的状态。gan可自动地从输入数据中发现和学习规则，而不需要使用已标注的数据来训练模型。gan由一对神经网络组成：生成器和鉴别器。生成器用来自给定分布的随机值作为噪声数据，产生新的特征。鉴别器是一个二进制分类器，它对生成的特征进行分类，并确定它们是真值还是假值。gan被称为生成对抗网络，是因为他们的对抗性训练设置，其生成器和鉴别器寻求优化相反的损失函数。

5、虽然gan在去除口罩上起到了作用，但在设置gan参数的时候，轻微的参数调整可能会导致非常不同的结果。因为gan模型没有使用损失函数，被定义为极值问题，训练过程难以控制，所以无法知道模型的训练是否取得了进展。

技术实现思路

1、为解决上述问题，本发明的主要目的在于提供一种被遮挡人脸的识别方法及系统、存储介质、电子设备，其可以在目标人员佩戴口罩的情况下进行人脸识别。

2、为实现上述目的，本发明采用的技术方案是：

3、一种被遮挡人脸的识别方法，包括以下步骤：

4、步骤1，获取图像，通过retinaface对获取到的图像进行人脸检测；

5、步骤2，进行人脸embedding，通过arcface中的512维特征向量来完成对步骤1中的图像的实时处理；

6、步骤3，将k-nn和lbp组合成一个分类器，所述分类器对步骤2中的图像进行处理，包括：从每个输入图像相应的地标点坐标中提取左右眉毛作为两个图像块，然后在找到纹理模式之前应用中值滤波器进行图像处理；之后，对每个补丁应用直方图均衡化，以将原始直方图分布映射到新分布；利用lbp进行人脸识别。

7、进一步，所述步骤1包括多任务损失函数，所述多任务损失函数为：

8、

9、

10、在公式中是锚点i是人脸的预测概率；对于正锚点为1，对于正锚点为1，对于负锚点为0；是预测的人脸框；是预测特征点，是标记特征点。

11、本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行如权利要求1所述的方法。

12、本发明还提供一种电子设备，包括：处理器、存储器、以及程序，其中所述程序被存储在所述存储器中，并且被配置成由处理器执行，所述程序包括用于执行如权利要求1所述的方法。

13、本发明还提供一种被遮挡人脸的识别系统，所述被遮挡人脸的识别系统用于执行如权利要求1所述的方法。

14、本发明的有益效果在于：

15、本发明包括以下步骤：步骤1，获取图像，通过retinaface对获取到的图像进行人脸检测；步骤2，进行人脸embedding，通过arcface中的512维特征向量来完成对步骤1中的图像的实时处理；步骤3，将k-nn和lbp组合成一个分类器，所述分类器对步骤2中的图像进行处理，包括：从每个输入图像相应的地标点坐标中提取左右眉毛作为两个图像块，然后在找到纹理模式之前应用中值滤波器进行图像处理；之后，对每个补丁应用直方图均衡化，以将原始直方图分布映射到新分布；利用lbp进行人脸识别。本发明可以在目标人员佩戴口罩的情况下进行人脸识别。

技术特征：

1.一种被遮挡人脸的识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的被遮挡人脸的识别方法，其特征在于：所述步骤1包括多任务损失函数，所述多任务损失函数为：

3.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行如权利要求1所述的方法。

4.一种电子设备，其特征在于包括：处理器、存储器、以及程序，其中所述程序被存储在所述存储器中，并且被配置成由处理器执行，所述程序包括用于执行如权利要求1所述的方法。

5.一种被遮挡人脸的识别系统，其特征在于：所述被遮挡人脸的识别系统用于执行如权利要求1所述的方法。

技术总结
本发明涉及人脸识别技术领域，尤指一种被遮挡人脸的识别方法及系统、存储介质、电子设备，包括以下步骤：步骤1，获取图像，通过RetinaFace对获取到的图像进行人脸检测；步骤2，进行人脸Embedding，通过ArcFace中的512维特征向量来完成对步骤1中的图像的实时处理；步骤3，将k‑NN和LBP组合成一个分类器，所述分类器对步骤2中的图像进行处理，包括：从每个输入图像相应的地标点坐标中提取左右眉毛作为两个图像块，然后在找到纹理模式之前应用中值滤波器进行图像处理；之后，对每个补丁应用直方图均衡化，以将原始直方图分布映射到新分布；利用LBP进行人脸识别。本发明可以在目标人员佩戴口罩的情况下进行人脸识别。

技术研发人员：郑玮
受保护的技术使用者：广州辰创科技发展有限公司
技术研发日：
技术公布日：2024/1/14