本發(fā)明涉及一種圖像處理領(lǐng)域，特別是涉及一種人工智能人臉面部識別方法及系統(tǒng)。

背景技術(shù)：

1、隨著人工智能的快速發(fā)展，各行各業(yè)開始大力開發(fā)人工智能技術(shù)，以滿足不同的工業(yè)化生產(chǎn)或數(shù)字化服務(wù)需求。尤其是，為了滿足智能化訪問權(quán)限需求，采用人工智能算法開發(fā)人臉面部識別技術(shù)。

2、目前，現(xiàn)有基于人工智能進(jìn)行人臉面部識別時(shí)，通常將對人臉進(jìn)行拍攝得到的圖像作為面部特征識別模型的輸入，運(yùn)行識別模型后得到各個(gè)面部特征的識別結(jié)果，其中，面部特征識別模型在學(xué)習(xí)時(shí)，需要將具有權(quán)限的人臉面部圖像作為訓(xùn)練樣本進(jìn)行學(xué)習(xí)。但是，由于在后期人臉識別過程中，會發(fā)生面部佩戴眼鏡、口罩或化妝等情況，大大影響對人臉面部識別的準(zhǔn)確性。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明提供一種人工智能人臉面部識別方法及系統(tǒng)，主要目的在于現(xiàn)有人臉面部識別準(zhǔn)確性較低的問題。

2、依據(jù)本發(fā)明一個(gè)方面，提供了一種人工智能人臉面部識別方法，包括：

3、獲取對目標(biāo)人臉進(jìn)行第一角度拍攝得到的第一面部圖像數(shù)據(jù)以及與所述目標(biāo)人臉匹配的面部調(diào)整特征；

4、基于所述面部調(diào)整特征對所述第一面部圖像數(shù)據(jù)中識別到的第一面部特征進(jìn)行調(diào)整，生成第二面部圖像數(shù)據(jù)，并調(diào)取與進(jìn)行第二角度拍攝得到的第三面部圖像數(shù)據(jù)以及所述第二面部圖像數(shù)據(jù)匹配的學(xué)習(xí)系數(shù)，所述學(xué)習(xí)系數(shù)用于表征模型訓(xùn)練的學(xué)習(xí)強(qiáng)度；

5、基于所述第一面部圖像數(shù)據(jù)、所述第二面部圖像數(shù)據(jù)、所述第三面部圖像數(shù)據(jù)以及所述學(xué)習(xí)系數(shù)對初始面部特征識別模型進(jìn)行訓(xùn)練，得到完成模型訓(xùn)練的面部特征識別模型；

6、基于所述面部特征識別模型對采集到的人臉圖像進(jìn)行識別處理，得到人臉面部識別結(jié)果。

7、進(jìn)一步地，所述獲取對目標(biāo)人臉進(jìn)行第一角度拍攝得到的第一面部圖像數(shù)據(jù)以及與所述目標(biāo)人臉匹配的面部調(diào)整特征包括：

8、顯示第一角度，并獲取按照所述第一角度對目標(biāo)人臉進(jìn)行拍攝得到的第一面部圖像數(shù)據(jù)，所述第一角度至少包括四個(gè)方向的拍攝角度；

9、顯示面部特征調(diào)整項(xiàng)，并通過所述目標(biāo)用戶在所述面部特征調(diào)整項(xiàng)中選取的調(diào)整項(xiàng)確定面部調(diào)整特征，所述面部特征調(diào)整項(xiàng)包括不同面部特征所需要調(diào)整的內(nèi)容項(xiàng)。

10、進(jìn)一步地，所述基于所述面部調(diào)整特征對所述第一面部圖像數(shù)據(jù)中識別到的第一面部特征進(jìn)行調(diào)整，生成第二面部圖像數(shù)據(jù)包括：

11、確定所述面部調(diào)整特征的特征調(diào)整系數(shù)，并基于特征分割模型識別所述第一面部圖像數(shù)據(jù)中的第一面部特征，所述特征調(diào)整系數(shù)包括像素大小調(diào)整值和邊緣清晰度調(diào)整值；

12、基于所述特征調(diào)整系數(shù)對所述第一面部特征進(jìn)行調(diào)整，得到所述第二面部圖像數(shù)據(jù)。

13、進(jìn)一步地，所述調(diào)取與進(jìn)行第二角度拍攝得到的第三面部圖像數(shù)據(jù)以及所述第二面部圖像數(shù)據(jù)匹配的學(xué)習(xí)系數(shù)包括：

14、獲取按照第二角度拍攝得到的第三面部圖像數(shù)據(jù)，所述第二角度為在所述第一角度的基礎(chǔ)上進(jìn)行調(diào)整預(yù)設(shè)角度值得到的；

15、基于預(yù)設(shè)學(xué)習(xí)特征調(diào)整映射關(guān)系匹配與所述第二面部圖像數(shù)據(jù)以及所述第三面部圖像數(shù)據(jù)匹配的學(xué)習(xí)系數(shù)，所述預(yù)設(shè)學(xué)習(xí)特征調(diào)整映射關(guān)系中存儲有不同面部特征比較結(jié)果所對應(yīng)的學(xué)習(xí)系數(shù)。

16、進(jìn)一步地，所述基于預(yù)設(shè)學(xué)習(xí)特征調(diào)整映射關(guān)系匹配與所述第二面部圖像數(shù)據(jù)以及所述第三面部圖像數(shù)據(jù)匹配的學(xué)習(xí)系數(shù)包括：

17、提取所述第二面部圖像數(shù)據(jù)以及所述第三面部圖像數(shù)據(jù)中的面部特征，并按照像素特征、顏色特征對比所述面部特征，得到面部特征比較結(jié)果；

18、基于所述面部特征比較結(jié)果從所述預(yù)設(shè)學(xué)習(xí)特征調(diào)整映射關(guān)系中查詢出匹配的學(xué)習(xí)系數(shù)。

19、進(jìn)一步地，所述基于所述第一面部圖像數(shù)據(jù)、所述第二面部圖像數(shù)據(jù)、所述第三面部圖像數(shù)據(jù)以及所述學(xué)習(xí)系數(shù)對初始面部特征識別模型進(jìn)行訓(xùn)練，得到完成模型訓(xùn)練的面部特征識別模型包括：

20、構(gòu)建三層卷積神經(jīng)網(wǎng)絡(luò)的初始面部特征識別模型，所述初始面部特征識別模型為多輸入多輸出網(wǎng)絡(luò)，各卷積層之間的權(quán)重基于所述學(xué)習(xí)系數(shù)進(jìn)行配置；

21、確定所述第一面部圖像數(shù)據(jù)、所述第二面部圖像數(shù)據(jù)、所述第三面部圖像數(shù)據(jù)之間的學(xué)習(xí)關(guān)聯(lián)性參數(shù)，并基于所述學(xué)習(xí)關(guān)聯(lián)性參數(shù)以及所述學(xué)習(xí)系數(shù)確定模型訓(xùn)練參數(shù)；

22、基于標(biāo)記特征識別標(biāo)簽的所述第一面部圖像數(shù)據(jù)、所述第二面部圖像數(shù)據(jù)、所述第三面部圖像數(shù)據(jù)對所述初始面部特征識別模型進(jìn)行訓(xùn)練，并在匹配所述模型訓(xùn)練參數(shù)時(shí)，完成模型訓(xùn)練，得到面部特征識別模型。

23、進(jìn)一步地，所述方法還包括：

24、解析所述人臉面部識別結(jié)果中的面部標(biāo)簽，并按照所述面部標(biāo)簽所對應(yīng)的訪問權(quán)限進(jìn)行緩存或計(jì)數(shù)。

25、依據(jù)本發(fā)明另一個(gè)方面，提供了一種人工智能人臉面部識別系統(tǒng)，包括：

26、獲取模塊，用于獲取對目標(biāo)人臉進(jìn)行第一角度拍攝得到的第一面部圖像數(shù)據(jù)以及與所述目標(biāo)人臉匹配的面部調(diào)整特征；

27、調(diào)取模塊，用于基于所述面部調(diào)整特征對所述第一面部圖像數(shù)據(jù)中識別到的第一面部特征進(jìn)行調(diào)整，生成第二面部圖像數(shù)據(jù)，并調(diào)取與進(jìn)行第二角度拍攝得到的第三面部圖像數(shù)據(jù)以及所述第二面部圖像數(shù)據(jù)匹配的學(xué)習(xí)系數(shù)，所述學(xué)習(xí)系數(shù)用于表征模型訓(xùn)練的學(xué)習(xí)強(qiáng)度；

28、訓(xùn)練模塊，用于基于所述第一面部圖像數(shù)據(jù)、所述第二面部圖像數(shù)據(jù)、所述第三面部圖像數(shù)據(jù)以及所述學(xué)習(xí)系數(shù)對初始面部特征識別模型進(jìn)行訓(xùn)練，得到完成模型訓(xùn)練的面部特征識別模型；

29、識別模塊，用于基于所述面部特征識別模型對采集到的人臉圖像進(jìn)行識別處理，得到人臉面部識別結(jié)果。

30、進(jìn)一步地，所述獲取模塊，包括：

31、第一獲取單元，用于顯示第一角度，并獲取按照所述第一角度對目標(biāo)人臉進(jìn)行拍攝得到的第一面部圖像數(shù)據(jù)，所述第一角度至少包括四個(gè)方向的拍攝角度；

32、第一確定單元，用于顯示面部特征調(diào)整項(xiàng)，并通過所述目標(biāo)用戶在所述面部特征調(diào)整項(xiàng)中選取的調(diào)整項(xiàng)確定面部調(diào)整特征，所述面部特征調(diào)整項(xiàng)包括不同面部特征所需要調(diào)整的內(nèi)容項(xiàng)。

33、進(jìn)一步地，所述調(diào)取模塊，包括：

34、識別單元，用于確定所述面部調(diào)整特征的特征調(diào)整系數(shù)，并基于特征分割模型識別所述第一面部圖像數(shù)據(jù)中的第一面部特征，所述特征調(diào)整系數(shù)包括像素大小調(diào)整值和邊緣清晰度調(diào)整值；

35、調(diào)整單元，用于基于所述特征調(diào)整系數(shù)對所述第一面部特征進(jìn)行調(diào)整，得到所述第二面部圖像數(shù)據(jù)。

36、進(jìn)一步地，所述調(diào)取模塊，還包括：

37、第二獲取單元，用于獲取按照第二角度拍攝得到的第三面部圖像數(shù)據(jù)，所述第二角度為在所述第一角度的基礎(chǔ)上進(jìn)行調(diào)整預(yù)設(shè)角度值得到的；

38、匹配單元，用于基于預(yù)設(shè)學(xué)習(xí)特征調(diào)整映射關(guān)系匹配與所述第二面部圖像數(shù)據(jù)以及所述第三面部圖像數(shù)據(jù)匹配的學(xué)習(xí)系數(shù)，所述預(yù)設(shè)學(xué)習(xí)特征調(diào)整映射關(guān)系中存儲有不同面部特征比較結(jié)果所對應(yīng)的學(xué)習(xí)系數(shù)。

39、進(jìn)一步地，在具體應(yīng)用場景中，所述匹配單元，具體用于提取所述第二面部圖像數(shù)據(jù)以及所述第三面部圖像數(shù)據(jù)中的面部特征，并按照像素特征、顏色特征對比所述面部特征，得到面部特征比較結(jié)果；基于所述面部特征比較結(jié)果從所述預(yù)設(shè)學(xué)習(xí)特征調(diào)整映射關(guān)系中查詢出匹配的學(xué)習(xí)系數(shù)。

40、進(jìn)一步地，所述訓(xùn)練模塊，包括：

41、構(gòu)建單元，用于構(gòu)建三層卷積神經(jīng)網(wǎng)絡(luò)的初始面部特征識別模型，所述初始面部特征識別模型為多輸入多輸出網(wǎng)絡(luò)，各卷積層之間的權(quán)重基于所述學(xué)習(xí)系數(shù)進(jìn)行配置；

42、第二確定單元，用于確定所述第一面部圖像數(shù)據(jù)、所述第二面部圖像數(shù)據(jù)、所述第三面部圖像數(shù)據(jù)之間的學(xué)習(xí)關(guān)聯(lián)性參數(shù)，并基于所述學(xué)習(xí)關(guān)聯(lián)性參數(shù)以及所述學(xué)習(xí)系數(shù)確定模型訓(xùn)練參數(shù)；

43、訓(xùn)練單元，用于基于標(biāo)記特征識別標(biāo)簽的所述第一面部圖像數(shù)據(jù)、所述第二面部圖像數(shù)據(jù)、所述第三面部圖像數(shù)據(jù)對所述初始面部特征識別模型進(jìn)行訓(xùn)練，并在匹配所述模型訓(xùn)練參數(shù)時(shí)，完成模型訓(xùn)練，得到面部特征識別模型。

44、進(jìn)一步地，所述系統(tǒng)還包括：

45、緩存計(jì)數(shù)模塊，用于解析所述人臉面部識別結(jié)果中的面部標(biāo)簽，并按照所述面部標(biāo)簽所對應(yīng)的訪問權(quán)限進(jìn)行緩存或計(jì)數(shù)。

46、根據(jù)本發(fā)明的又一方面，提供了一種存儲介質(zhì)，所述存儲介質(zhì)中存儲有至少一可執(zhí)行指令，所述可執(zhí)行指令使處理器執(zhí)行如上述人工智能人臉面部識別方法對應(yīng)的操作。

47、根據(jù)本發(fā)明的再一方面，提供了一種終端，包括：處理器、存儲器、通信接口和通信總線，所述處理器、所述存儲器和所述通信接口通過所述通信總線完成相互間的通信；

48、所述存儲器用于存放至少一可執(zhí)行指令，所述可執(zhí)行指令使所述處理器執(zhí)行上述人工智能人臉面部識別方法對應(yīng)的操作。

49、借由上述技術(shù)方案，本發(fā)明實(shí)施例提供的技術(shù)方案至少具有下列優(yōu)點(diǎn)：

50、本發(fā)明提供了一種人工智能人臉面部識別方法及系統(tǒng)，首先，獲取對目標(biāo)人臉進(jìn)行第一角度拍攝得到的第一面部圖像數(shù)據(jù)以及與所述目標(biāo)人臉匹配的面部調(diào)整特征；基于所述面部調(diào)整特征對所述第一面部圖像數(shù)據(jù)中識別到的第一面部特征進(jìn)行調(diào)整，生成第二面部圖像數(shù)據(jù)，并調(diào)取與進(jìn)行第二角度拍攝得到的第三面部圖像數(shù)據(jù)以及所述第二面部圖像數(shù)據(jù)匹配的學(xué)習(xí)系數(shù)，所述學(xué)習(xí)系數(shù)用于表征模型訓(xùn)練的學(xué)習(xí)強(qiáng)度；基于所述第一面部圖像數(shù)據(jù)、所述第二面部圖像數(shù)據(jù)、所述第三面部圖像數(shù)據(jù)以及所述學(xué)習(xí)系數(shù)對初始面部特征識別模型進(jìn)行訓(xùn)練，得到完成模型訓(xùn)練的面部特征識別模型；基于所述面部特征識別模型對采集到的人臉圖像進(jìn)行識別處理，得到人臉面部識別結(jié)果。與現(xiàn)有技術(shù)相比，本發(fā)明實(shí)施例通過面部調(diào)整特征對第一面部圖像數(shù)據(jù)進(jìn)行面部特征調(diào)整，并基于面部特征調(diào)整得到的第二面部圖像數(shù)據(jù)和不同角度采集的第三面部圖像數(shù)據(jù)確定模型學(xué)習(xí)強(qiáng)度，提高了人臉圖像樣本的全面性和多樣性，大大提高了人臉識別的準(zhǔn)確性，同時(shí)，大大增加了模型訓(xùn)練與樣本特征之間的匹配度，實(shí)現(xiàn)了模型訓(xùn)練準(zhǔn)確性和效率之間的均衡配置，從而大大提高了面部特征識別模型的準(zhǔn)確性。

51、上述說明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，而可依照說明書的內(nèi)容予以實(shí)施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點(diǎn)能夠更明顯易懂，以下特舉本發(fā)明的具體實(shí)施方式。