[發明專利]人臉圖像性別判斷方法、裝置、計算機設備及存儲介質

有效

• 申請號: 201810525407.4
• 申請日: 2018-05-28
• 公開（公告）號: CN108446688B
• 公開（公告）日: 2020-01-07
• 發明（設計）人: 楊帆
• 申請（專利權）人: 北京達佳互聯信息技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 11330 北京市立方律師事務所
• 代理人: 劉延喜

本發明實施例公開了一種人臉圖像性別判斷方法、裝置、計算機設備及存儲介質，包括下述步驟：獲取待判斷的人臉圖像；將所述人臉圖像輸入到預設的神經網絡模型中；根據所述神經網絡模型輸出的分類數據對所述人臉圖像進行性別分類。在對進行人臉性別判斷的神經網絡模型進行訓練時，對同一個人在不同的空間環境內拍攝的照片進行統一期望處理，得到同一個人不同照片的多個性別期望，然后對性別期望進行排序取排序結果中的中間值，作為同一人不同照片的性別期望值，由于訓練樣本集中同一人的不同照片性別期望值相同，通過這一類照片訓練至收斂的神經網絡模型，在不同的環境下對同一人的性別評分輸出穩定性高，不易受到環境的影響。

技術領域

本發明實施例涉及模型算法領域，尤其是一種人臉圖像性別判斷方法、裝置、計算機設備及存儲介質。

背景技術

隨著臉部識別算法的準確性越來越高，臉部識別的一個重要的作用在于，通過對人臉圖像的性別進行分類，對眾多的人臉圖像進行歸納管理。

現有技術中，在對人體面部圖像進行比對和應用分類時，采用深度學習的方法，主要的方法流程為：按照預設的工作目的，反復訓練卷積神經網絡模型至該模型收斂為止，卷積神經網絡模型訓練完成后，將欲分類或處理的人臉圖像輸入到訓練好的卷積神經網絡模型中，卷積神經網絡模型根據訓練學習到的權重比例，對該人臉圖像進行分類或處理，由此能夠看出，深度學習的方法通過反復訓練，將模型訓練成為一個具有一定辨識和判斷能力的系統。

本發明創造的發明人在研究中發現，現有技術中通過訓練卷積神經網絡模型對圖像進行處理時，同一人物在在不同場景下的人臉圖片得到的結果是不一致的，有的甚至相差比較大，比如在明亮的光照條件下往往人的性別判斷較為準確，在光照不明顯的條件下，往往人的性別判斷容易出現錯亂，而數據的擴增變化很難使網絡學習到這種一致性，因此，現有技術中模型的穩定性較低，受環境的影響較大。

發明內容

本發明實施例提供能夠提供一種分類數據更加穩定，受環境的影響較小的人臉圖像性別判斷方法、裝置、計算機設備及存儲介質。

為解決上述技術問題，本發明創造的實施例采用的一個技術方案是：提供一種人臉圖像性別判斷方法，包括下述步驟：

獲取待判斷的人臉圖像；

將所述人臉圖像輸入到預設的神經網絡模型中，其中，訓練所述神經網絡模型時同一目標源的多張圖像組成的訓練樣本集的性別期望值為多個判斷值中的中間值；

根據所述神經網絡模型輸出的分類數據對所述人臉圖像進行性別分類。

可選地，所述神經網絡模型設有兩個分類類別；所述根據所述神經網絡模型輸出的分類數據對所述人臉圖像進行性別分類的步驟，具體包括下述步驟：

獲取所述神經網絡模型輸出的兩個分類值；

確認所述兩個分類值中數值最大的分類值所對應的分類類別為性別分類結果。

可選地，所述獲取待判斷的人臉圖像的步驟，包括下述步驟：

獲取目標視頻；

從所述目標視頻中定時抽取幀畫面，并判斷所述幀畫面中是否存在人臉圖像；

當所述幀畫面中存在人臉圖像時，確認所述幀畫面圖像為待判斷的人臉圖像。

可選地，所述根據所述神經網絡模型輸出的分類數據對所述人臉圖像進行性別分類的步驟之后，還包括下述步驟：

獲取性別分類結果；

根據所述性別分類結果將所述人臉圖像輸入到預設的圖像內容理解模型對應的輸入通道內，其中，所述圖像內容理解模型設有兩個輸入通道，每一個輸入通道對應一種性別類型；

獲取所述圖像內容理解模型輸出的內容理解數據。