(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210477552.6 (22)申请日 2022.05.05 (65)同一申请的已公布的文献号 申请公布号 CN 114582005 A (43)申请公布日 2022.06.03 (73)专利权人 中科南京智能技 术研究院 地址 211100 江苏省南京市江宁区创研路 266号麒麟人工智能产业园1号楼5层 (72)发明人 李威君　游恒　尚德龙　周玉梅　 (74)专利代理 机构 北京高沃 律师事务所 1 1569 专利代理师 王爱涛 (51)Int.Cl. G06V 40/16(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06V 10/74(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) (56)对比文件 CN 103020640 A,2013.04.0 3 CN 10470 0087 A,2015.0 6.10 翁冠碧等.多姿态人脸识别关键技 术. 《电子 技术与软件工程》 .2018,全 文. 张卓群等.深度学习与人脸识别算法研究. 《软件》 .2019,第40卷(第09期),全 文. 审查员 夏冰 (54)发明名称 一种人脸识别方法及系统 (57)摘要 本发明涉及一种人脸识别方法及系统。 该方 法包括根据预处理后的场景图像和第一神经网 络确定人脸位置和关键点编码信息； 对人脸位置 和关键点编码信息进行解码， 使人脸位置和关键 点编码信息从偏置数据转换成编码图像上的坐 标信息； 并使人脸位置和关键点编码信息解码为 场景图像的整数型坐标； 对转换后的人脸位置和 关键点编码信息进行人脸图像的验证； 并当验证 通过后， 提取人脸图像， 并将提取的多张人脸图 像合并压缩为一张图像， 之后确定人脸图像的个 数以及每个人脸图像的位置； 根据合并压缩后的 图像以及第二神经网络确定人脸特征矩阵； 将人 脸特征矩阵与人脸数据库进行对比， 确定识别结 果， 将识别结果进行显示。 本发明具有计算量小 和能源消耗小的特点。 权利要求书1页 说明书6页 附图4页 CN 114582005 B 2022.07.29 CN 114582005 B 1.一种人脸识别方法， 其特 征在于， 包括： 对获取的场景图像进行预处理； 所述预处理包括： 场景图像的保存、 场景图像大小的调 整、 场景图像编码以及伽马变换； 场景为包括多个人活动的场面； 根据预处理后的场景图像和第 一神经网络确定人脸位置和关键点编码信 息； 所述第 一 神经网络为一个单级的端到端的人脸检测和人脸关键点检测模型， 以预处理后的场景图像 为输入， 以人脸 位置和关键点编码信息为输出； 对人脸位置和关键点编码信 息进行解码， 使人脸位置和关键点编码信 息从偏置数据转 换成编码图像上的坐标信息； 并使人脸位置和关键点编 码信息解码为场景图像的整数型坐 标； 对转换后的人脸位置和关键点编码信 息进行人脸图像的验证； 并当验证结果为人脸图 像后， 提取人脸图像， 并将提取的多张人脸图像合并压缩为一张图像， 之后确定人脸图像的 个数以及每 个人脸图像的位置； 根据合并压缩后的图像以及第二神经网络确定人脸特征矩阵； 所述人脸特征矩阵包 括： 多个人脸特征数据； 所述第二神经网络包括： 输入层、 中间层、 后置层和特征嵌入层； 所 述输入层、 中间层和后置层构成主干网络； 所述特征嵌入层包括： 特征图融合模块、 感受野 增强模块和动态卷积层； 将人脸特征矩阵与人脸数据库进行对比， 确定识别结果， 并将识别结果在获取的场景 图像上进行显示。 2.一种人脸识别系统， 用于实现权利要求1所述的一种人脸识别方法， 其特征在于， 包 括： 预处理模块， 用于对获取的场景图像进行预处理； 所述预处理包括： 场景图像的保存、 场景图像大小的调整、 场景图像编码以及伽马变换； 场景为包括多个人活动的场面； 第一神经网络模块， 用于根据 预处理后的场景图像和第 一神经网络确定人脸位置和关 键点编码信息； 所述第一神经网络为一个单级的端到端的人脸检测和人脸关键点检测模 型， 以预处 理后的场景图像为输入， 以人脸 位置和关键点编码信息为输出； 数据解码模块， 用于对人脸位置和关键点编码信息进行解码， 使人脸位置和关键点编 码信息从偏置数据转换成编 码图像上的坐标信息； 并使人脸位置和关键点编码信息解码为 场景图像的整数 型坐标； 人脸验证模块， 用于对转换后的人脸 位置和关键点编码信息进行 人脸图像的验证； 数据打包模块， 用于当验证结果为人脸图像后， 提取人脸图像， 并将提取的多张人脸图 像合并压缩为 一张图像， 之后确定人脸图像的个数以及每 个人脸图像的位置； 第二神经网络模块， 用于根据合并压缩后的图像以及第二神经网络确定人脸特征矩 阵； 所述人脸特征矩阵包括： 多个人脸特征数据； 所述第二神经网络包括： 输入层、 中间层、 后置层和特征嵌入层； 所述输入层、 中间层和后置层构成主干网络； 所述特征嵌入层包括： 特征图融合模块、 感受野增强模块和动态卷积层； 识别显示模块， 用于将人脸特征矩阵与人脸数据库进行对比， 确定识别结果， 并将识别 结果在获取的场景图像上进行显示。权　利　要　求　书 1/1 页 2 CN 114582005 B 2一种人脸识别方 法及系统 技术领域 [0001]本发明涉及人脸识别领域， 特别是 涉及一种人脸识别方法及系统。 背景技术 [0002]现有人脸识别技术， 严格按照人脸检测、 人脸对齐、 人脸表达和人脸比对四个步骤 的顺序进 行人脸识别， 该方法具有一定的弊端， 即过多的处理流程及大量的中间运算， 难以 在带宽有限、 算力紧张的低功 耗平台进 行部署， 阻碍了人脸识别技术向微小化、 能源友好化 的发展进程。 发明内容 [0003]本发明的目的是提供一种人脸识别方法及系统， 具有计算量小和能源消耗小的特 点。 [0004]为实现上述目的， 本发明提供了如下 方案： [0005]一种人脸识别方法， 包括： [0006]对获取的场景图像进行预处理； 所述预处理包括： 场景图像的保存、 场景图像大小 的调整、 场景图像编码以及伽马变换； [0007]根据预处理后的场景图像和第一神经网络确定人脸位置和关键点编码信息； 所述 第一神经网络为一个单级的端到端的人脸检测和人脸关键点检测模型， 以预处理后的场景 图像为输入， 以人脸 位置和关键点编码信息为输出； [0008]对人脸位置和关键点编码信息进行解码， 使人脸位置和关键点编码信息从偏置数 据转换成编 码图像上的坐标信息； 并使人脸位置和关键点编码信息解码为场景图像的整 数 型坐标； [0009]对转换后的人脸位置和关键点编码信息进行人脸图像的验证； 并当验证结果为人 脸图像后， 提取人脸图像， 并将提取的多张人脸图像合并压缩为一张图像， 之后确定人脸图 像的个数以及每 个人脸图像的位置； [0010]根据合并压缩后的图像以及第二神经网络确定人脸特征矩阵； 所述人脸特征矩阵 包括： 多个人脸特征数据； 所述第二神经网络包括： 输入层、 中间层、 后置层和特征嵌入层； 所述输入层、 中间层和后置层构成主干网络； 所述特征嵌入层包括： 特征图融合模块、 感受 野增强模块和动态卷积层； [0011]将人脸特征矩阵与人脸数据库进行对比， 确定识别结果， 并将识别结果在获取的 场景图像上进行显示。 [0012]一种人脸识别系统， 用于实现所述的一种人脸识别方法， 包括： [0013]预处理模块， 用于对获取的场景图像进行预处理； 所述预处理包括： 场景图像的保 存、 场景图像大小的调整、 场景图像编码以及伽马变换； [0014]第一神经网络模块， 用于根据预处理后的场景图像和第一神经网络确定人脸位置 和关键点编 码信息； 所述第一神经网络为一个单级的端到端的人脸检测和人脸关键点检测说　明　书 1/6 页 3 CN 114582005 B 3