(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 202210447590.7 (22)申请日 2022.04.25 (71)申请人 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 李原超　李威君　王路远　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) G06V 10/44(2022.01) G06V 10/74(2022.01) G06V 10/77(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06K 9/62(2022.01) (54)发明名称 一种轻量级人脸识别方法及系统 (57)摘要 本发明涉及一种轻量级人脸识别方法及系 统。 该方法包括根据人脸图像， 采用训练好的轻 量级人脸识别模型， 确定识别结果； 训练好的轻 量级人脸识别模型包括： 权值共享卷积模块、 动 态特征提取模块、 瓶颈层及动态瓶颈层； 权值共 享卷积模块对人脸识别模型中所有卷积层以及 深度卷积层进行优化； 动态特征提取模块包括： 注意力模块和并行聚合卷积模块； 动态特征提取 模块在训练好的轻量级人脸识别模型中交替使 用； 瓶颈层中的卷积层均利用所述权值共享卷积 模块进行优化； 动态瓶颈层中的卷积层利用权值 共享卷积模块 以及动态特征提取模块进行联合 嵌套优化。 本发明在保证识别精度的基础上， 提 高识别速度， 减少计算成本 。 权利要求书2页 说明书7页 附图3页 CN 114550277 A 2022.05.27 CN 114550277 A 1.一种轻量级人脸识别方法， 其特 征在于， 包括： 获取人脸图像； 根据人脸图像， 采用训练好的轻量级人脸识别模型， 确定识别结果； 所述训练好的轻量 级人脸识别模型包括： 权值共享卷积模块、 动态特 征提取模块、 瓶颈层 及动态瓶颈层； 所述权值共享卷积模块用于对人脸识别模型中所有卷积层以及深度卷积层进行优化； 所述动态特征提取模块包括： 注意力模块和并行聚合卷积模块； 所述注意力模块中所有计 算层均使用权值共享卷积模块进 行了优化； 所述并行聚合卷积模块用于将一个标准卷积分 为多个带有权重信息的卷积； 权重信息根据所述注意力模块进行确定， 并根据输入变化而 变化； 所述动态特征提取模块在训练好的轻量级人脸识别模型中交替使用； 所述瓶颈层中 的卷积层均利用所述权值共享卷积模块进 行优化； 所述动态瓶颈层中的卷积层利用权值共 享卷积模块以及动态特 征提取模块进行 联合嵌套优化。 2.根据权利要求1所述的一种轻量级人脸识别方法， 其特征在于， 所述获取人脸图像， 具体包括： 获取待处 理的人脸图像； 对待处理的人脸图像进行裁 剪； 将裁剪后的人脸图像进行放缩， 确定1 12×112大小的人脸图像。 3.根据权利要求1所述的一种轻量级人脸识别方法， 其特征在于， 所述注意力模块包 括： 全局池化层、 两个全连接层、 激活函数ReLU以及softmax层。 4.根据权利要求1所述的一种轻量级人脸识别方法， 其特征在于， 所述所述瓶颈层及动 态瓶颈层均包括： 三个卷积层以及一个恒等映射。 5.根据权利要求1所述的一种轻量级人脸识别方法， 其特征在于， 所述根据人脸图像， 采用训练好的轻量级人脸识别模型， 确定识别结果， 具体包括： 采用训练好的轻量级人脸识别模型对人脸图像进行 人脸特征提取； 确定与提取的人脸特征相似度最高人脸特征； 并输出与提取的人脸特征相似度最高人 脸特征对应的人脸图像。 6.根据权利要求5所述的一种轻量级人脸识别方法， 其特征在于， 所述确定与提取的人 脸特征相似度最高人脸特征； 并输出与提取的人脸特征相似度最高人脸特征对应的人脸图 像， 具体包括： 确定提取的人脸特 征与人脸库中人脸特 征的欧式距离； 判断最小的欧式距离是否小于距离阈值； 若小于， 则输出与提取的人脸特征相似度最 高人脸特 征对应的人脸图像； 反 之， 则确定人脸图像不在人脸库中。 7.一种轻量级人脸识别系统， 其特 征在于， 包括： 人脸图像获取 单元， 用于获取 人脸图像； 识别结果确定单元， 用于根据 人脸图像， 采用训练好的轻量级人脸识别模型， 确定识别 结果； 所述训练好的轻量级人脸识别模型包括： 权值共享卷积模块、 动态特征提取模块、 瓶 颈层及动态瓶颈层； 所述权值共享卷积模块用于对人脸识别模型中所有卷积层以及深度卷积层进行优化； 所述动态特征提取模块包括： 注意力模块和并行聚合卷积模块； 所述注意力模块中所有计 算层均使用权值共享卷积模块进 行了优化； 所述并行聚合卷积模块用于将一个标准卷积分权　利　要　求　书 1/2 页 2 CN 114550277 A 2为多个带有权重信息的卷积； 权重信息根据所述注意力模块进行确定， 并根据输入变化而 变化； 所述动态特征提取模块在训练好的轻量级人脸识别模型中交替使用； 所述瓶颈层中 的卷积层均利用所述权值共享卷积模块进 行优化； 所述动态瓶颈层中的卷积层利用权值共 享卷积模块以及动态特 征提取模块进行 联合嵌套优化。 8.根据权利要求7所述的一种轻量级人脸识别系统， 其特征在于， 所述人脸图像获取单 元具体包括： 待处理的人脸图获取子单 元， 用于获取待处 理的人脸图像； 人脸图像裁 剪子单元， 用于对待处 理的人脸图像进行裁 剪； 人脸图像放缩子单元， 用于将裁剪后的人脸 图像进行放缩， 确定112 ×112大小的人脸 图像。 9.根据权利要求7所述的一种轻量级人脸识别系统， 其特征在于， 所述识别结果确定单 元具体包括： 人脸特征提取子单元， 用于采用训练好的轻量级人脸识别模型对人脸图像进行人脸特 征提取； 识别结果确定子单元， 用于确定与提取的人脸特征相似度最高人脸特征； 并输出与提 取的人脸特 征相似度最高人脸特 征对应的人脸图像。权　利　要　求　书 2/2 页 3 CN 114550277 A 3