[發明專利]人臉識別方法、裝置、計算機設備和可讀存儲介質

在審

• 申請號: 201711290768.7
• 申請日: 2017-12-08
• 公開（公告）號: CN107844784A
• 公開（公告）日: 2018-03-27
• 發明（設計）人: 羅健彬;胡正
• 申請（專利權）人: 廣東美的智能機器人有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京友聯知識產權代理事務所(普通合伙)11343
• 代理人: 尚志峰,汪海屏

1.一種基于多任務深度殘差網絡的人臉識別方法，其特征在于，包括：

將訓練集中任一人臉圖像輸入到深度殘差網絡模塊組中進行訓練，構建人臉識別模型，輸出指定維數的人臉識別特征；

基于全鏈接層分類器，根據所述指定維數的人臉識別特征，預測對應的所述人臉圖像的多任務的對應類別；

基于損失函數，根據所述預測的對應的所述人臉圖像的多任務的對應類別，計算訓練損失值；

根據所述訓練損失值，確定是否繼續將所述訓練集中任一所述人臉圖像輸入到所述深度殘差網絡模塊組中進行訓練，更新所述人臉識別模型。

2.根據權利要求1所述的基于多任務深度殘差網絡的人臉識別方法，其特征在于，還包括：

將待識別人臉圖像經歸一化處理后輸入到訓練后的所述人臉識別模型中，輸出所述指定維數的第一人臉識別特征；

將注冊集中的任一人臉圖像輸入到訓練后的所述人臉識別模型中，輸出所述指定維數的第二人臉識別特征；

基于余弦向量角相似度函數，根據所述第一人臉識別特征和所述第二人臉識別特征，計算所述待識別人臉圖像與所述注冊集中的任一人臉圖像的匹配度，確定識別結果信息。

3.根據權利要求1或2所述的基于多任務深度殘差網絡的人臉識別方法，其特征在于，所述將訓練集中任一人臉圖像輸入到深度殘差網絡模塊組中進行訓練，構建人臉識別模型，輸出指定維數的人臉識別特征，包括：

將所述訓練集中任一所述人臉圖像依次輸入到多個所述深度殘差網絡模塊組中，在每一所述深度殘差網絡模塊組中依次經卷積層、池化層運算，構建所述人臉識別模型，輸出所述指定維數的所述人臉識別特征，

其中，同一所述深度殘差網絡模塊組的輸入特征維數與輸出特征維數相同。

4.根據權利要求1或2所述的基于多任務深度殘差網絡的人臉識別方法，其特征在于，

所述多任務包括人臉識別任務、年齡識別任務、性別識別任務中的至少一種；

所述損失函數包括softmax函數、CenterLoss函數、triplet函數中的至少一種。

5.根據權利要求4所述的基于多任務深度殘差網絡的人臉識別方法，其特征在于，所述基于損失函數，根據所述預測的對應的所述人臉圖像的多任務的對應類別，計算訓練損失值，包括：

基于所述CenterLoss函數，根據所述預測的對應的所述人臉圖像的所述人臉識別任務的對應類別，計算所述人臉識別任務的第一訓練損失值；

基于所述softmax函數，根據所述預測的對應的所述人臉圖像的所述人臉識別任務的對應類別，計算所述人臉識別任務的第二訓練損失值；

加權求和計算所述第一訓練損失值和所述第二訓練損失值，確定人臉識別任務訓練損失值；

基于所述softmax函數，根據所述預測的對應的所述人臉圖像的所述年齡識別任務的對應類別，計算年齡識別任務訓練損失值；

基于所述softmax函數，根據所述預測的對應的所述人臉圖像的所述性別識別任務的對應類別，計算性別識別任務訓練損失值；

加權求和計算所述人臉識別任務訓練損失值、所述年齡識別任務訓練損失值、所述性別識別任務訓練損失值，確定所述訓練損失值。

6.一種基于多任務深度殘差網絡的人臉識別裝置，其特征在于，包括：

構建單元，用于將訓練集中任一人臉圖像輸入到深度殘差網絡模塊組中進行訓練，構建人臉識別模型，輸出指定維數的人臉識別特征；

預測單元，用于基于全鏈接層分類器，根據所述指定維數的人臉識別特征，預測對應的所述人臉圖像的多任務的對應類別；

計算單元，用于基于損失函數，根據所述預測的對應的所述人臉圖像的多任務的對應類別，計算訓練損失值；

更新單元，用于根據所述訓練損失值，確定是否繼續將所述訓練集中任一所述人臉圖像輸入到所述深度殘差網絡模塊組中進行訓練，更新所述人臉識別模型。