(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 202210836222.1 (22)申请日 2022.07.15 (71)申请人 北京建筑大学 地址 100044 北京市西城区展览馆路1号 (72)发明人 张雷　杨思佳　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 曹瑞敏 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/74(2022.01) G06V 10/82(2022.01) (54)发明名称 人脸识别方法、 装置、 处 理设备及存 储介质 (57)摘要 本申请的实施例提供了一种人脸识别方法、 装置、 处理设备及存储介质， 涉及计算机视觉技 术领域。 通过获取初始采集图像， 初始采集图像 包括： 目标人脸的人脸图像信息； 对初始采集图 像进行定位处理， 得到目标人脸的特征点信息； 根据目标人脸的特征点信息， 确定目标人脸的偏 航角； 若目标人脸的偏航角大于预设角度阈值， 则确定目标人脸的角度为侧脸； 若目标人脸的角 度为侧脸， 则基于预先训练得到的生成对抗网络 生成初始采集图像对应的正面人脸图像； 根据正 面人脸图像以及人脸图像库， 确定目标人脸的身 份信息， 人脸图像库中保存有多张人脸图像以及 各张人脸图像的身份信息。 弱化了人脸姿势的变 化、 形变对身份识别的影响， 提高了人脸识别的 效率和准确率。 权利要求书2页 说明书14页 附图8页 CN 115147904 A 2022.10.04 CN 115147904 A 1.一种人脸识别方法， 其特 征在于， 所述方法包括： 获取初始采集图像， 所述初始采集图像包括： 目标 人脸的人脸图像信息； 对所述初始采集图像进行定位处 理， 得到所述目标 人脸的特 征点信息； 根据所述目标 人脸的特 征点信息， 确定所述目标 人脸的偏航角； 若所述目标 人脸的偏航角大于预设角度阈值， 则确定所述目标 人脸的角度为侧脸； 若所述目标人脸的角度为侧脸， 则基于预先训练得到的生成对抗网络生成所述初始采 集图像对应的正 面人脸图像； 根据所述正面人脸图像以及人脸图像库， 确定所述目标人脸的身份信息， 所述人脸图 像库中保存有 多张人脸图像以及各张人脸图像的身份信息 。 2.根据权利要求1所述的人脸识别方法， 其特征在于， 所述对抗网络包括： 目标生成网 络， 所述目标生成网络中包括： 编码器和解码器； 所述基于预先训练得到的生成对抗网络生成所述初始采集图像对应的正面人脸图像， 包括： 对所述初始采集图像进行裁 剪， 得到人脸裁 剪图像； 将所述人脸裁 剪图像输入所述编码器中， 得到编码向量； 生成随机噪声信息以及姿势 代码信息； 将所述编码向量、 随机噪声信息以及姿势代码信息输入所述解码器中， 由所述解码器 根据所述随机噪声信息以及所述姿势代码信息对所述编 码向量进 行解码处理， 得到所述正 面人脸图像， 其中， 所述随机噪声信息用于表征人脸外观的变化信息， 所述姿势代码信息用 于突出人脸的面部身份信息以及弱化 面部姿态信息 。 3.根据权利要求1所述的人脸识别方法， 其特 征在于， 所述方法还 包括： 构建生成对抗初始网络， 所述 生成对抗初始网络包括： 初始判别网络、 初始生成网络； 获取多张训练图像， 所述多张训练图像包括： 多个训练人脸的图像信息； 利用所述多 张训练图像对所述生成对抗初始网络进行训练， 并根据训练结果对所述初 始判别网络、 所述初始生成网络进行修 正， 得到所述 生成对抗网络 。 4.根据权利要求3所述的人脸识别方法， 其特征在于， 所述利用所述多张训练图像对所 述生成对抗初始网络进行训练， 并根据训练结果对所述初始判别网络、 所述初始生成网络 进行修正， 得到所述 生成对抗网络， 包括： 生成随机噪声信息以及姿势 代码信息； 将第一训练图像、 姿势代码信息、 随机噪声信 息输入至所述初始生成网络 中， 得到第一 生成图像； 将所述第一训练图像、 第一生成图像输入至所述初始判别网络， 得到所述第一生成图 像的图像评价结果； 根据所述图像评价结果， 对所述初始生成网络以及所述初始判别网络进行修正， 得到 新的生成对抗初始网络； 重复上述过程， 直至所述图像评价结果达到预设阈值， 将所述新的生成对抗初始网络 作为所述 生成对抗网络 。 5.根据权利要求1所述的人脸识别方法， 其特征在于， 所述根据 所述正面人脸图像以及 人脸图像库， 确定所述目标 人脸的身份信息， 包括：权　利　要　求　书 1/2 页 2 CN 115147904 A 2对所述正面人脸图像进行 特征提取， 得到所述目标 人脸的目标 特征； 将所述目标特征与 所述人脸图像库中各人脸图像的特征进行比对， 根据比对结果确定 所述目标 人脸的身份信息 。 6.根据权利要求5所述的人脸识别方法， 其特征在于， 所述将所述目标特征与 所述人脸 图像库中各 人脸图像的特 征进行比对， 根据比对结果确定所述目标 人脸的身份信息， 包括： 分别计算所述目标 特征与所述各 人脸图像的特 征的相似度， 得到多个相似度评分； 将所述多个相似度评分分别与预设评分阈值比较， 将大于所述预设评分阈值且值最大 的相似度评分对应的人脸图像作为目标比对图像； 将所述目标比对图像的身份信息作为所述目标 人脸的身份信息 。 7.根据权利要求1所述的人脸识别方法， 其特征在于， 所述对所述初始采集图像进行定 位处理， 得到所述目标 人脸的特 征点信息， 包括： 将所述初始采集图像输入至预先训练得到的卷积神经网络 中， 得到所述目标人脸的多 个三维特 征点； 根据所述多个三维特 征点， 生成所述目标 人脸的特 征点信息 。 8.一种人脸识别装置， 其特 征在于， 包括： 获取模块， 用于获取初始采集图像， 所述初始采集图像包括： 目标人脸的人脸图像信 息； 定位模块， 用于对所述初始采集图像进行定位处 理， 得到所述目标 人脸的特 征点信息； 处理模块， 用于根据所述目标人脸的特征点信息， 确定所述目标人脸的角度是否为侧 脸； 若所述 目标人脸的角度为侧脸， 则基于预先训练得到的生成对抗网络生成所述初始采 集图像对应的正 面人脸图像； 确定模块， 用于根据所述正面人脸图像以及人脸图像库， 确定所述目标人脸的身份信 息， 所述人脸图像库中保存有 多张人脸图像以及各张人脸图像的身份信息 。 9.一种处理设备， 其特征在于， 所述处理设备包括： 处理器、 存储介质和总 线， 所述存储 介质存储有所述处理器可执行 的机器可读指令， 当所述处理设备运行时， 所述处理器与所 述存储介质之 间通过总线通信， 所述处理器执行所述机器可读指 令， 以执行如权利要求 1‑7 任一项所述的人脸识别方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 程序， 该计算机程序被处理器执行时， 实现如权利要求 1‑7中任一项 所述的人脸识别方法的 步骤。权　利　要　求　书 2/2 页 3 CN 115147904 A 3