(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211254769.7 (22)申请日 2022.10.13 (71)申请人 深圳壹账通智能科技有限公司 地址 518000 广东省深圳市前海深港合作 区前湾一路1号A栋201室(入驻深圳市 前海商务秘书 有限公司) (72)发明人 陈章　 (74)专利代理 机构 深圳市沃德知识产权代理事 务所(普通 合伙) 44347 专利代理师 范腊梅 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/82(2022.01) G06V 10/80(2022.01) G06V 10/50(2022.01)G06V 10/26(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 局部遮挡下的人脸识别方法、 装置、 设备及 存储介质 (57)摘要 本发明涉及人工智能技术， 揭露了一种局部 遮挡下的人脸识别方法， 包括： 对人脸图像进行 预处理， 得到更新人脸图像； 提取更新人脸图像 的关键特征点， 对关键特征点进行裁剪， 得到裁 剪区域； 判断裁剪区域是否为遮挡区域； 当裁剪 区域为遮挡区域时， 提取遮挡区域的第一区域特 征向量， 将第一区域特征向量设置为零向量； 当 裁剪区域为非遮挡区域， 提取非遮挡区域的第二 区域特征向量； 将第二区域特征向量与零向量进 行融合， 得到全局特征向量， 根据全局特征向量 对人脸进行识别。 此外， 本发明还涉及区块链技 术， 人脸画像可存储于区块链的节点。 本发明还 提出一种局部遮挡下的人脸识别装置、 设备以及 存储介质。 本发 明可以提高人脸局部遮挡时人脸 识别的识别率。 权利要求书3页 说明书12页 附图3页 CN 115527259 A 2022.12.27 CN 115527259 A 1.一种局部遮挡下的人脸识别方法， 其特 征在于， 所述方法包括： 获取人脸图像， 对所述人脸图像进行直方图均衡化处理及数据增强处理， 得到更新人 脸图像； 利用预设的人脸检测算法提取所述更新人脸图像中的关键特征点， 对所述关键特征点 进行裁剪， 得到裁剪区域； 判断所述裁 剪区域是否为遮挡区域； 当所述裁剪区域为遮挡区域， 利用预设的卷积神经网络提取所述遮挡区域的第 一区域 特征向量， 将所述第一区域特 征向量设置为 零向量； 当所述裁剪区域为非遮挡区域， 利用所述卷积神经网络提取所述非遮挡区域的第 二区 域特征向量； 将所述第二区域特征向量与所述零向量进行融合， 得到全局特征向量， 根据所述全局 特征向量对人脸进行识别。 2.如权利要求1所述的局部遮挡下的人脸识别方法， 其特征在于， 所述对所述人脸图像 进行直方图均衡化处 理及数据增强处 理， 得到更新人脸图像， 包括： 获取所述人脸图像的像素； 统计所述像素中每 个灰度值的概 率密度： 其中， P(r)第r个灰度值的概率密度， N为所述像素的数量， nr为第r个灰度值的像素数 量； 利用如下的概 率密度公式根据所述 概率密度计算所述更新人脸图像的更新 概率密度： 其中， T(r)为所述更新人脸图像中第r个灰度值的更新概率密度， P(rj)为第j个像素中 第r个灰度值的概 率密度， k 为所述更新人脸图像中的像素 数量； 根据所述更新 概率密度确定所述更新人脸图像的灰度值； 通过随机对比度调节所述人脸图像的亮度， 得到图像亮度； 根据所述灰度值及所述图像亮度确定所述更新人脸图像。 3.如权利要求1所述的局部遮挡下的人脸识别方法， 其特征在于， 所述利用预设的人脸 检测算法提取 所述更新人脸图像中的关键特 征点， 包括： 将所述更新人脸图像生成图像金字塔； 对MTCNN网络中每 个卷积层添加正则化， 得到第一MTCN N网络； 将预设的人脸样本数据输入至所述第一MTCNN网络中进行训练， 得到人脸候选框及人 脸关键特 征点； 根据所述人脸候选框、 所述人脸关键特征点及预设的联合优化损失函数计算所述第 一 MTCNN网络的损失值； 当所述损失值小于预设的损失阈值时， 输出优化MTCN N网络；权　利　要　求　书 1/3 页 2 CN 115527259 A 2将所述图像金字塔输入至所述优化MTCNN网络中， 输出所述更新人脸 图像中的关键特 征点。 4.如权利要求3所述的局部遮挡下的人脸识别方法， 其特征在于， 所述预设的联合优化 损失函数包括： Ltotal＝α Lcls+β Lreg 其中， Ltotal为所述联合优化损失函数， α 为分类任务的权重， β 为回归任务的权重， Lcls为 分类任务的损失函数， Lreg为回归任务的损失函数。 5.如权利要求3所述的局部遮挡下的人脸识别方法， 其特征在于， 所述将所述图像金字 塔输入至所述优化MTCN N网络中， 输出 所述更新人脸图像中的关键特 征点， 包括： 将所述图像金字塔输入至所述优化MTCNN网络的P ‑Net中， 得到第一人脸候选框及第一 人脸关键特 征点； 将所述第一人脸候选框及所述第一人脸关键点输入至所述优化MTCNN网络的R ‑Net中， 得到第二人脸 候选框及第二人脸关键特 征点； 将所述第二人脸候选框及第二所述人脸关键点输入至所述优化MTCNN网络的O ‑Net中， 得到所述更新人脸图像的坐标位置及所述更新人脸图像关键特 征点的坐标位置 。 6.如权利要求1至5中任一项所述的局部遮挡下的人脸识别方法， 其特征在于， 所述对 所述关键特 征点进行裁 剪， 得到裁剪区域， 包括： 确定所述关键特 征点的关键坐标； 将所述关键坐标作为裁 剪中心； 根据所述裁 剪中心对所述关键特 征点进行裁 剪， 得到裁剪区域。 7.如权利要求1所述的局部遮挡下的人脸识别方法， 其特征在于， 所述根据所述全局特 征向量对人脸进行识别， 包括： 利用预设的欧式距离计算所述全局特征向量与预设的人脸数据库中人脸特征向量的 距离值； 当所述全局特征向量存在零向量 时， 将所述人脸特征向量与 所述全局特征向量的对应 位置的向量设置为 零向量； 将所述人脸特 征向量中未设置为 零向量的特 征向量设置为所述距离值； 根据所述零向量及所述距离值确定第 一人脸特征向量， 根据所述第 一人脸特征向量对 人脸进行识别。 8.一种局部遮挡下的人脸识别装置， 其特 征在于， 所述装置包括： 人脸图像处理模块， 用于获取人脸图像， 对所述人脸图像进行直方图均衡化处理及数 据增强处 理， 得到更新人脸图像； 关键特征点提取模块， 用于利用预设的人脸检测算法提取所述更新人脸图像中的关键 特征点， 对所述关键特 征点进行裁 剪， 得到裁剪区域； 遮挡区域判断模块， 用于判断所述裁 剪区域是否为遮挡区域； 第一区域特征向量提取模块， 用于当所述裁剪区域为遮挡区域， 利用预设的卷积神经 网络提取 所述遮挡区域的第一区域特 征向量， 将所述第一区域特 征向量设置为 零向量； 第二区域特征向量提取模块， 用于当所述裁剪区域为非遮挡区域， 利用所述卷积神经 网络提取 所述非遮挡区域的第二区域特 征向量；权　利　要　求　书 2/3 页 3 CN 115527259 A 3