(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 202210780984.4 (22)申请日 2022.07.05 (65)同一申请的已公布的文献号 申请公布号 CN 114863540 A (43)申请公布日 2022.08.05 (73)专利权人 杭州魔点科技有限公司 地址 310000 浙江省杭州市余杭区五常街 道三维智汇中心3幢A单 元7层 (72)发明人 宋鸿飞　王东　李来　陈志安　 肖传宝　 (74)专利代理 机构 杭州创智卓英知识产权代理 事务所(普通 合伙) 33324 专利代理师 季健康 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/74(2022.01) G06V 10/774(2022.01)(56)对比文件 CN 110688941 A,2020.01.14 CN 112257693 A,2021.01.2 2 CN 112257491 A,2021.01.2 2 CN 110503033 A,2019.1 1.26 CN 106022317 A,2016.10.12 CN 1078183 08 A,2018.0 3.20 US 2022207913 A1,202 2.06.30 WO 201910 5285 A1,2019.0 6.06 WO 2021082087 A1,2021.0 5.06 WO 2021135064 A1,2021.07.08 刘玮.无约束条件下的人脸识别方法研究. 《中国优秀硕士学位 论文全文数据库》 .2019, Esteban Vi llalobos et al.Fair Face Verificati on by Usi ng Non-Sensitive Soft- Biometric A ttributes. 《IE EE Access》 .2022, 审查员 崔芳婷 (54)发明名称 基于人脸属性分析的人脸识别在线辅助方 法及装置 (57)摘要 本发明涉及基于人脸属性分析的人脸识别 在线辅助方法及装置， 其方法包括： 对待识别图 片进行人脸识别， 得到人脸识别分数； 判断人脸 识别分数是否在预设人脸分数区间内， 若是， 则 将待识别图片与最相似人脸的历史人脸识别成 功图片分别输入到人脸属性模型中， 以得到待识 别图片的属性标签向量 以及历史人脸识别成功 图片的属性标签向量； 根据待识别图片的属性标 签向量与历史人脸识别成功 图片的属性标签向 量之间的相同程度得到人脸属性 分数； 根据人脸 属性分数和人脸识别分数得到 人脸识别结果。 本 发明能够有效降低特定得分区间内的误识率和 拒识率， 能够极大程度的优化人脸识别系统稳定 性， 以解决人脸识别得分落在识别阈值附近的识 别结果不可靠问题。 权利要求书3页 说明书9页 附图1页 CN 114863540 B 2022.12.16 CN 114863540 B 1.基于人脸属性分析的人脸识别在线辅助方法， 其特 征在于， 包括： 对待识别图片进行 人脸识别， 得到人脸识别分数； 判断所述人脸识别分数是否在预设人脸分数区间内， 若是， 则将所述待识别图片与最 相似人脸的历史人脸识别成功图片分别输入到人脸属性模型中， 以得到所述待识别图片的 属性标签向量以及所述历史人脸识别成功图片的属性标签向量， 所述预设人脸分数区间包 含人脸识别阈值， 所述属性标签向量包括所有人脸属性的类别标签； 根据所述待识别图片的属性标签向量与所述历史人脸识别成功图片的属性标签向量 之间的相同程度得到人脸属性分数； 根据所述人脸属性分数和所述人脸识别分数 得到人脸识别结果; 所述根据所述人脸属性分数和所述人脸识别分数 得到人脸识别结果包括： 当所述人脸识别分数大于或等于所述人脸识别阈值 时， 若所述人脸属性分数大于或等 于人脸属 性阈值， 则人脸识别结果为成功， 否则根据所述人脸识别分数和所述人脸属 性分 数得到新的人脸分数， 判断新的人脸分数是否小于所述人脸识别阈值， 若 是， 则人脸识别结 果为失败， 否则人脸识别结果 为成功； 当所述人脸识别分数小于所述人脸识别阈值 时， 若所述人脸属性分数小于人脸属性阈 值， 则人脸识别结果为失败， 否则根据所述人脸识别阈值和所述人脸属 性分数得到新的人 脸阈值， 判断所述人脸识别分数是否小于新的人脸阈值， 若是， 则人脸识别结果为失败， 否 则人脸识别结果 为成功。 2.如权利要求1所述的基于人脸属性分析的人脸识别在线辅助方法， 其特征在于， 所述 人脸属性包括随后 天成长改变而 改变的可变属 性以及随后 天成长改变而不改变的不变属 性， 所述根据所述待识别图片的属性标签向量与所述历史人脸识别成功图片的属性标签向 量之间的相同程度得到人脸属性分数包括： 根据所述待识别图片在所有人脸属性的属性标签向量与所述历史人脸识别成功图片 在所有人脸属性的属性标签向量的相同程度得到所有 人脸属性的属性分数， 对所有人脸属 性的属性分数赋予对应的加权系 数之后进行累加， 得到人脸属 性分数， 所述可变属 性的加 权系数低于所述 不变属性。 3.如权利要求1所述的基于人脸属性分析的人脸识别在线辅助方法， 其特征在于， 所述 得到所述待识别图片的属 性标签向量以及所述历史人脸识别成功图片的属 性标签向量包 括： 由人脸属性模型识别出所述待识别图片和所述历史人脸识别成功图片在每一个人脸 属性上的特 征向量； 当所述人脸属性为年龄时， 则使用回归方法根据年龄的特征向量进行年龄预测， 得到 年龄的类别标签； 当所述人脸属性为除年龄之前的其他属性 时， 对每一个人脸属性的特征向量进行分类 识别， 以获取所述待识别图片在每一个人脸属性的类别标签以及所述历史人脸识别成功图 片在每一个人脸属性的类别标签； 将所述待识别图片在每一个人脸属性的类别标签整合为所述待识别图片的属性标签 向量， 将所述历史人脸识别成功图片在每一个人脸属性的类别标签整合为所述历史人脸识 别成功图片的属性标签向量。权　利　要　求　书 1/3 页 2 CN 114863540 B 24.如权利要求1所述的基于人脸属性分析的人脸识别在线辅助方法， 其特征在于， 得到 所述人脸属性模型包括： 对于每一个人脸属性设计一个人脸属性模块； 通过已打好标签的人脸图片对每一个人脸属性模块进行基于深度 学习的训练， 以得到 测试集的正确率均能超过 预设正确阈值的人脸属性模块； 汇总所有训练好的人脸属性模块， 以得到人脸属性模型。 5.基于人脸属性分析的人脸识别在线辅助装置， 包括存储器、 处理器及存储在存储器 上并可在处理器上运行 的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实 现以下步骤： 对待识别图片进行 人脸识别， 得到人脸识别分数； 判断所述人脸识别分数是否在预设人脸分数区间内， 若是， 则将所述待识别图片与最 相似人脸的历史人脸识别成功图片分别输入到人脸属性模型中， 以得到所述待识别图片的 属性标签向量以及所述历史人脸识别成功图片的属性标签向量， 所述预设人脸分数区间包 含人脸识别阈值， 所述属性标签向量包括所有人脸属性的类别标签； 根据所述待识别图片的属性标签向量与所述历史人脸识别成功图片的属性标签向量 之间的相同程度得到人脸属性分数； 根据所述人脸属性分数和所述人脸识别分数 得到人脸识别结果; 所述根据所述人脸属性分数和所述人脸识别分数 得到人脸识别结果包括： 当所述人脸识别分数大于或等于所述人脸识别阈值 时， 若所述人脸属性分数大于或等 于人脸属 性阈值， 则人脸识别结果为成功， 否则根据所述人脸识别分数和所述人脸属 性分 数得到新的人脸分数， 判断新的人脸分数是否小于所述人脸识别阈值， 若 是， 则人脸识别结 果为失败， 否则人脸识别结果 为成功； 当所述人脸识别分数小于所述人脸识别阈值 时， 若所述人脸属性分数小于人脸属性阈 值， 则人脸识别结果为失败， 否则根据所述人脸识别阈值和所述人脸属 性分数得到新的人 脸阈值， 判断所述人脸识别分数是否小于新的人脸阈值， 若是， 则人脸识别结果为失败， 否 则人脸识别结果 为成功。 6.如权利要求5所述的基于人脸属性分析的人脸识别在线辅助装置， 其特征在于， 所述 人脸属性包括随后 天成长改变而 改变的可变属 性以及随后 天成长改变而不改变的不变属 性， 所述根据所述待识别图片的属性标签向量与所述历史人脸识别成功图片的属性标签向 量之间的相同程度得到人脸属性分数包括： 根据所述待识别图片在所有人脸属性的属性标签向量与所述历史人脸识别成功图片 在所有人脸属性的属性标签向量的相同程度得到所有 人脸属性的属性分数， 对所有人脸属 性的属性分数赋予对应的加权系 数之后进行累加， 得到人脸属 性分数， 所述可变属 性的加 权系数低于所述 不变属性。 7.如权利要求5所述的基于人脸属性分析的人脸识别在线辅助装置， 其特征在于， 所述 得到所述待识别图片的属 性标签向量以及所述历史人脸识别成功图片的属 性标签向量包 括： 由人脸属性模型识别出所述待识别图片和所述历史人脸识别成功图片在每一个人脸 属性上的特 征向量；权　利　要　求　书 2/3 页 3 CN 114863540 B 3