本發(fā)明涉及人臉識(shí)別，尤其涉及人臉識(shí)別數(shù)據(jù)模型的構(gòu)建方法、人臉識(shí)別方法及終端。

背景技術(shù)：

1、隨著科技的飛速發(fā)展，人臉識(shí)別技術(shù)在眾多領(lǐng)域得到了廣泛應(yīng)用，如安防監(jiān)控、門禁系統(tǒng)、金融支付、社交娛樂等。然而，現(xiàn)有人臉識(shí)別技術(shù)仍面臨諸多挑戰(zhàn)與不足。

2、在數(shù)據(jù)模型構(gòu)建方面，數(shù)據(jù)采集往往不夠全面和多樣化。許多人臉識(shí)別系統(tǒng)僅在有限的光照條件、角度和人群范圍內(nèi)采集數(shù)據(jù)，導(dǎo)致模型對(duì)不同環(huán)境和個(gè)體特征的適應(yīng)性較差。例如，在一些低光照或強(qiáng)光直射場(chǎng)景下，人臉識(shí)別準(zhǔn)確率大幅下降；對(duì)于側(cè)臉、仰頭或低頭等非正面人臉圖像，識(shí)別效果也不盡人意。同時(shí)，數(shù)據(jù)預(yù)處理環(huán)節(jié)可能存在缺陷，如去噪不徹底、圖像對(duì)比度增強(qiáng)效果不佳，影響后續(xù)特征提取的準(zhǔn)確性。特征提取方法也有待改進(jìn)，部分傳統(tǒng)方法難以有效捕捉人臉的細(xì)微特征和深層次特征，使得模型在面對(duì)相似人臉時(shí)容易出現(xiàn)誤判。模型訓(xùn)練過程中，訓(xùn)練數(shù)據(jù)的劃分比例不合理、訓(xùn)練算法選擇不當(dāng)以及缺乏有效的防止過擬合措施等問題較為常見，導(dǎo)致模型的泛化能力和穩(wěn)定性不足。

3、在人臉識(shí)別方法應(yīng)用中，圖像采集設(shè)備的性能限制影響了待識(shí)別圖像的質(zhì)量。一些普通攝像頭在分辨率、對(duì)焦速度和防抖能力上存在不足，使得采集到的人臉圖像模糊或變形，增加了識(shí)別難度。而且，在人臉檢測(cè)步驟，現(xiàn)有的檢測(cè)算法對(duì)于復(fù)雜背景下的人臉、部分遮擋的人臉或多人臉場(chǎng)景的處理不夠精準(zhǔn)，容易出現(xiàn)漏檢或誤檢情況。匹配算法方面，單一的相似度計(jì)算方法可能無(wú)法準(zhǔn)確衡量人臉特征的差異，尤其是在特征向量維度較高且數(shù)據(jù)分布復(fù)雜時(shí)，容易導(dǎo)致識(shí)別錯(cuò)誤。此外，缺乏有效的二次驗(yàn)證機(jī)制，在識(shí)別結(jié)果模糊時(shí)無(wú)法進(jìn)一步確認(rèn)身份，降低了系統(tǒng)的可靠性。

4、在人臉識(shí)別終端設(shè)備上，功能集成度不夠完善。部分終端的圖像采集模塊缺少自動(dòng)對(duì)焦和防抖功能，圖像預(yù)處理與檢測(cè)模塊計(jì)算速度慢，無(wú)法滿足實(shí)時(shí)性要求。特征提取與識(shí)別模塊的模型更新不及時(shí)，難以適應(yīng)新的人臉數(shù)據(jù)特征和應(yīng)用場(chǎng)景變化。結(jié)果輸出模塊的靈活性不足，不能根據(jù)不同用戶需求和應(yīng)用場(chǎng)景提供個(gè)性化的輸出格式和內(nèi)容。

5、綜上所述，現(xiàn)有人臉識(shí)別技術(shù)在數(shù)據(jù)模型構(gòu)建、識(shí)別方法和終端設(shè)備等方面存在諸多問題，迫切需要一種更先進(jìn)、更可靠、更具適應(yīng)性的人臉識(shí)別技術(shù)方案來(lái)滿足日益增長(zhǎng)的市場(chǎng)需求和應(yīng)用場(chǎng)景要求。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提出的人臉識(shí)別數(shù)據(jù)模型的構(gòu)建方法、人臉識(shí)別方法及終端，以解決上述現(xiàn)有技術(shù)中提到的問題。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案：一種人臉識(shí)別數(shù)據(jù)模型的構(gòu)建方法，包括以下步驟：

3、數(shù)據(jù)采集步驟：通過圖像采集設(shè)備收集人臉圖像數(shù)據(jù)，所述圖像采集設(shè)備包括高清攝像頭、深度攝像頭以及紅外攝像頭，在不同光照條件下，以及不同角度下，對(duì)1000個(gè)不同年齡段、性別、種族的個(gè)體進(jìn)行拍攝，采集數(shù)量不少于50000張圖像，對(duì)采集的圖像進(jìn)行實(shí)時(shí)篩選，去除模糊、遮擋嚴(yán)重的圖像；

4、數(shù)據(jù)預(yù)處理步驟：對(duì)采集到的人臉圖像進(jìn)行預(yù)處理，首先，進(jìn)行圖像灰度化處理，將彩色圖像轉(zhuǎn)換為灰度圖像，然后，采用高斯濾波算法去除圖像噪聲，通過調(diào)整高斯核的大小為3x3來(lái)平衡去噪效果和圖像細(xì)節(jié)保留程度，利用直方圖均衡化增強(qiáng)圖像對(duì)比度，使面部特征清晰化，進(jìn)行人臉檢測(cè)與定位，采用基于深度學(xué)習(xí)的yolov5目標(biāo)檢測(cè)算法，識(shí)別出圖像中的人臉區(qū)域，并將其裁剪出來(lái)；

5、特征提取步驟：運(yùn)用深度學(xué)習(xí)框架tensorflow，構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)cnn模型用于特征提取，cnn模型包含3個(gè)卷積層、2個(gè)池化層和2個(gè)全連接層，卷積層通過不同大小的卷積核，包括3x3或5x5，提取人臉圖像的局部特征，池化層進(jìn)行下采樣操作，降低數(shù)據(jù)維度并保留主要特征，全連接層將提取的特征進(jìn)行整合與映射，得到表征人臉的高維特征向量；在訓(xùn)練過程中，采用公開人臉數(shù)據(jù)集，包括lfw數(shù)據(jù)集、celeba數(shù)據(jù)集，對(duì)cnn模型進(jìn)行預(yù)訓(xùn)練，然后使用采集到的自有數(shù)據(jù)進(jìn)行微調(diào)，適應(yīng)人臉識(shí)別任務(wù)需求；

6、模型訓(xùn)練步驟：將提取的人臉特征數(shù)據(jù)分為訓(xùn)練集、驗(yàn)證集和測(cè)試集，比例為6:2:2；使用訓(xùn)練集對(duì)人臉識(shí)別模型進(jìn)行訓(xùn)練，訓(xùn)練算法采用隨機(jī)梯度下降sgd算法，在訓(xùn)練過程中，設(shè)置合適的損失函數(shù)，包括交叉熵?fù)p失函數(shù)，使損失函數(shù)值逐漸減小，采用早停法earlystopping防止過擬合，當(dāng)驗(yàn)證集上的損失函數(shù)值在連續(xù)5個(gè)訓(xùn)練周期內(nèi)不再下降時(shí)，停止訓(xùn)練；在測(cè)試集上評(píng)估模型的性能，根據(jù)準(zhǔn)確率、召回率、f1值指標(biāo)調(diào)整訓(xùn)練參數(shù)，包括學(xué)習(xí)率設(shè)為0.001、批處理大小設(shè)為32，經(jīng)過100次迭代訓(xùn)練，得到訓(xùn)練好的人臉識(shí)別數(shù)據(jù)模型。

7、進(jìn)一步的，在數(shù)據(jù)采集步驟中，利用3d重建技術(shù)對(duì)采集到的人臉圖像進(jìn)行深度信息補(bǔ)充，增強(qiáng)模型對(duì)人臉形狀特征的識(shí)別能力。

8、進(jìn)一步的，在數(shù)據(jù)預(yù)處理步驟中，采用自適應(yīng)直方圖均衡化算法，根據(jù)圖像的局部特征動(dòng)態(tài)調(diào)整均衡化參數(shù)，提高圖像對(duì)比度增強(qiáng)效果。

9、進(jìn)一步的，在特征提取步驟中，在cnn模型中引入注意力機(jī)制，使模型聚焦于人臉的特征區(qū)域，提高特征提取的質(zhì)量。

10、進(jìn)一步的，在模型訓(xùn)練步驟中，采用集成學(xué)習(xí)方法，將3個(gè)訓(xùn)練好的人臉識(shí)別模型進(jìn)行集成，通過加權(quán)平均或投票法，提高模型的整體性能和穩(wěn)定性。

11、進(jìn)一步的，一種應(yīng)用所述的人臉識(shí)別數(shù)據(jù)模型的構(gòu)建方法得到的人臉識(shí)別數(shù)據(jù)模型進(jìn)行人臉識(shí)別的方法，包括以下步驟：

12、待識(shí)別圖像獲取步驟：通過圖像采集設(shè)備獲取待識(shí)別的人臉圖像，圖像采集設(shè)備需保證圖像的清晰度和分辨率，采集的圖像格式為常見的圖像格式，包括jpeg、png；

13、圖像預(yù)處理與人臉檢測(cè)步驟：對(duì)待識(shí)別圖像進(jìn)行預(yù)處理，處理方式與數(shù)據(jù)預(yù)處理步驟類似，包括灰度化、去噪、對(duì)比度增強(qiáng)操作；采用人臉檢測(cè)算法檢測(cè)出圖像中的人臉區(qū)域，若未檢測(cè)到人臉或檢測(cè)到多個(gè)人臉，給出相應(yīng)提示信息并結(jié)束識(shí)別流程；

14、特征提取與匹配步驟：利用構(gòu)建好的人臉識(shí)別數(shù)據(jù)模型對(duì)檢測(cè)到的人臉區(qū)域進(jìn)行特征提取，得到待識(shí)別圖像的人臉特征向量，將特征向量與數(shù)據(jù)庫(kù)中存儲(chǔ)的已知人臉特征向量進(jìn)行匹配，匹配算法采用余弦相似度算法，計(jì)算待識(shí)別特征向量與數(shù)據(jù)庫(kù)中每個(gè)特征向量的相似度，設(shè)定相似度閾值為0.8，當(dāng)相似度超過該閾值時(shí)，判定為匹配成功，識(shí)別出對(duì)應(yīng)的人員身份；若相似度均未超過閾值，則識(shí)別失敗，將該待識(shí)別圖像標(biāo)記為未知人員，并可選擇將其特征向量存儲(chǔ)到數(shù)據(jù)庫(kù)中。

15、進(jìn)一步的，在待識(shí)別圖像獲取步驟中，若圖像采集設(shè)備采集的圖像質(zhì)量不滿足要求，自動(dòng)調(diào)整采集參數(shù)，包括焦距、曝光時(shí)間，重新采集圖像。

16、進(jìn)一步的，在特征提取與匹配步驟中，當(dāng)匹配結(jié)果處于相似度閾值附近的模糊區(qū)域，即相似度在0.7至0.8之間時(shí)，采用二次驗(yàn)證機(jī)制，包括結(jié)合活體檢測(cè)技術(shù)或要求輸入額外的身份驗(yàn)證信息，提高識(shí)別結(jié)果的準(zhǔn)確性。

17、進(jìn)一步的，一種執(zhí)行所述的一種人臉識(shí)別的方法的人臉識(shí)別終端，包括：

18、圖像采集模塊：用于實(shí)現(xiàn)待識(shí)別圖像獲取步驟的功能，包括高清攝像頭等圖像采集設(shè)備；

19、圖像預(yù)處理與檢測(cè)模塊：執(zhí)行圖像預(yù)處理與人臉檢測(cè)步驟，對(duì)采集的圖像進(jìn)行預(yù)處理和人臉檢測(cè)操作；

20、特征提取與識(shí)別模塊：按照特征提取與匹配步驟，利用構(gòu)建好的人臉識(shí)別數(shù)據(jù)模型進(jìn)行特征提取與匹配識(shí)別；

21、結(jié)果輸出模塊：將人臉識(shí)別的結(jié)果輸出，輸出方式為在終端屏幕上顯示、語(yǔ)音播報(bào)或者通過網(wǎng)絡(luò)傳輸?shù)狡渌O(shè)備。

22、進(jìn)一步的，所述圖像采集模塊具備自動(dòng)對(duì)焦和圖像防抖功能，確保在不同環(huán)境下都能采集到高質(zhì)量圖像。

23、所述圖像預(yù)處理與檢測(cè)模塊采用硬件加速技術(shù)，包括gpu加速；

24、所述特征提取與識(shí)別模塊具有模型更新功能，定期從服務(wù)器下載更新的人臉識(shí)別數(shù)據(jù)模型；

25、所述結(jié)果輸出模塊根據(jù)用戶需求定制輸出格式和內(nèi)容，滿足不同應(yīng)用場(chǎng)景的需求。

26、與現(xiàn)有的技術(shù)相比，本發(fā)明的有益效果是：

27、本專利具有多方面顯著有益效果。在數(shù)據(jù)模型構(gòu)建上，通過多類型攝像頭采集海量且多樣的人臉圖像，涵蓋不同光照、角度與人群，確保數(shù)據(jù)豐富全面。先進(jìn)的數(shù)據(jù)預(yù)處理技術(shù)有效去除噪聲、增強(qiáng)對(duì)比度并精準(zhǔn)定位人臉，為后續(xù)步驟奠定良好基礎(chǔ)。采用深度學(xué)習(xí)框架構(gòu)建的卷積神經(jīng)網(wǎng)絡(luò)結(jié)合注意力機(jī)制，能精準(zhǔn)提取人臉關(guān)鍵特征，經(jīng)合理劃分?jǐn)?shù)據(jù)集與優(yōu)化訓(xùn)練算法訓(xùn)練得到的模型，泛化能力強(qiáng)、穩(wěn)定性高，可適應(yīng)復(fù)雜多變的人臉識(shí)別任務(wù)。

28、人臉識(shí)別方法中，圖像采集設(shè)備可自動(dòng)優(yōu)化采集參數(shù)獲取高質(zhì)量圖像，人臉檢測(cè)算法能在復(fù)雜場(chǎng)景準(zhǔn)確識(shí)別，降低誤檢漏檢率。采用余弦相似度算法并設(shè)合理閾值，結(jié)合二次驗(yàn)證機(jī)制，在模糊區(qū)域借助活體檢測(cè)或額外信息驗(yàn)證，極大提高識(shí)別準(zhǔn)確率與可靠性，有效避免誤識(shí)別情況發(fā)生。

29、人臉識(shí)別終端方面，圖像采集模塊的自動(dòng)對(duì)焦和防抖功能保證圖像質(zhì)量，圖像預(yù)處理與檢測(cè)模塊的硬件加速技術(shù)實(shí)現(xiàn)快速處理，滿足實(shí)時(shí)性需求。特征提取與識(shí)別模塊的模型更新功能使其能緊跟技術(shù)發(fā)展與數(shù)據(jù)變化，持續(xù)提升識(shí)別性能。結(jié)果輸出模塊可定制化輸出，滿足不同場(chǎng)景需求，如安防領(lǐng)域的詳細(xì)報(bào)警信息輸出、社交娛樂應(yīng)用中的趣味互動(dòng)結(jié)果展示等，極大拓展了人臉識(shí)別技術(shù)的應(yīng)用范圍與用戶體驗(yàn)。