[發明專利]面部識別模型的訓練方法和訓練設備

有效

• 申請號: 201711070481.3
• 申請日: 2017-11-03
• 公開（公告）號: CN109753850B
• 公開（公告）日: 2022-10-25
• 發明（設計）人: 張夢;劉汝杰;孫俊
• 申請（專利權）人: 富士通株式會社
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/764;G06V10/774;G06V10/82
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 康建峰;吳瓊

本發明公開了一種面部識別模型的訓練方法和訓練設備。該方法包括：去除從實際場景獲取的、包含面部的圖像組成的第一實際場景數據中的黑眼眶、墨鏡，以得到第二實際場景數據；統計第二實際場景數據中戴眼鏡的比例；將由包含面部的圖像組成的原始訓練數據劃分為戴眼鏡的第一訓練數據和不戴眼鏡的第二訓練數據，其中，原始訓練數據中戴眼鏡的比例低于第二實際場景數據中戴眼鏡的比例；基于眼鏡數據和第二訓練數據，生成戴眼鏡的第三訓練數據；基于第三訓練數據和原始訓練數據，生成其中戴眼鏡的比例等于第二實際場景數據中戴眼鏡的比例的第四訓練數據；以及基于第四訓練數據，訓練面部識別模型。

技術領域

本發明一般地涉及信息處理技術領域。具體而言，本發明涉及一種能夠以符合實際場景的戴眼鏡比例的訓練數據訓練面部識別模型的方法和設備。

背景技術

近年來，隨著信息技術的發展，基于人臉識別的系統和應用越來越多。這得益于大量的訓練數據和卷積神經網絡CNN。然而，對于戴眼鏡的人臉圖像進行人臉識別存在巨大挑戰。主要原因在于缺少戴眼鏡的人臉圖像用于對人臉識別模型的訓練。當前存在開放的人臉數據庫，如WebFace和MS-Celeb-1M數據庫。但是這些數據庫中主要是名人的圖像數據，而名人通常很少戴眼鏡，因此，這些數據庫中戴眼鏡的比例低于常規人群中戴眼鏡的比例。另外，名人帶的眼鏡大多數為墨鏡，不同于常規人群常帶的近視鏡。收集大量的戴眼鏡的人臉數據顯然是耗費人力和資源的。

為了解決上述問題，本發明提出了生成戴眼鏡圖像的方法，使得訓練圖像中戴眼鏡的比例與實際場景中戴眼鏡的比例相符，從而利于訓練面部識別模型。

因此，本發明旨在提供一種以符合實際場景的戴眼鏡比例的訓練數據訓練面部識別模型的方法和設備。

發明內容

在下文中給出了關于本發明的簡要概述，以便提供關于本發明的某些方面的基本理解。應當理解，這個概述并不是關于本發明的窮舉性概述。它并不是意圖確定本發明的關鍵或重要部分，也不是意圖限定本發明的范圍。其目的僅僅是以簡化的形式給出某些概念，以此作為稍后論述的更詳細描述的前序。

本發明的目的是提出一種以符合實際場景的戴眼鏡比例的訓練數據訓練面部識別模型的方法和設備。

為了實現上述目的，根據本發明的一個方面，提供了一種面部識別模型的訓練方法，該方法包括：去除從實際場景獲取的、包含面部的圖像組成的第一實際場景數據中的黑眼眶、墨鏡，以得到第二實際場景數據；統計第二實際場景數據中戴眼鏡的比例；將由包含面部的圖像組成的原始訓練數據劃分為戴眼鏡的第一訓練數據和不戴眼鏡的第二訓練數據，其中，原始訓練數據中戴眼鏡的比例低于第二實際場景數據中戴眼鏡的比例；基于眼鏡數據和第二訓練數據，生成戴眼鏡的第三訓練數據；基于第三訓練數據和原始訓練數據，生成其中戴眼鏡的比例等于第二實際場景數據中戴眼鏡的比例的第四訓練數據；以及基于第四訓練數據，訓練面部識別模型。

根據本發明的另一個方面，提供了一種面部識別模型的訓練設備，該設備包括：去除裝置，被配置為：去除從實際場景獲取的、包含面部的圖像組成的第一實際場景數據中的黑眼眶、墨鏡，以得到第二實際場景數據；統計裝置，被配置為：統計第二實際場景數據中戴眼鏡的比例；劃分裝置，被配置為：將由包含面部的圖像組成的原始訓練數據劃分為戴眼鏡的第一訓練數據和不戴眼鏡的第二訓練數據，其中，原始訓練數據中戴眼鏡的比例低于第二實際場景數據中戴眼鏡的比例；加眼鏡裝置，被配置為：基于眼鏡數據和第二訓練數據，生成戴眼鏡的第三訓練數據；比例調整裝置，被配置為：基于第三訓練數據和原始訓練數據，生成其中戴眼鏡的比例等于第二實際場景數據中戴眼鏡的比例的第四訓練數據；以及模型訓練裝置，被配置為：基于第四訓練數據，訓練面部識別模型。

另外，根據本發明的另一方面，還提供了一種存儲介質。所述存儲介質包括機器可讀的程序代碼，當在信息處理設備上執行所述程序代碼時，所述程序代碼使得所述信息處理設備執行根據本發明的上述方法。