[發明專利]人像屬性模型構建方法、裝置、計算機設備和存儲介質

在審

• 申請號: 201910303132.4
• 申請日: 2019-04-16
• 公開（公告）號: CN110135263A
• 公開（公告）日: 2019-08-16
• 發明（設計）人: 姚旭峰;徐國強;邱寒
• 申請（專利權）人: 深圳壹賬通智能科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 黃晶晶;黃曉慶

1.一種人像屬性模型構建方法，所述方法包括：

獲取人臉檢測數據，確定感興趣的人臉區域；

隨機標注部分所述感興趣的人臉區域的人像屬性，獲得訓練樣本；

根據所述訓練樣本對人像屬性模型進行訓練；

根據已訓練的人像屬性模型輸出的未標注的樣本集，通過主動學習算法優化已訓練的人像屬性模型，得到優化后的人像屬性模型。

2.根據權利要求1所述的方法，其特征在于，所述根據已訓練的人像屬性模型輸出的未標注的樣本集，通過主動學習算法優化已訓練的人像屬性模型，得到優化后的人像屬性模型包括：

獲取已訓練的人像屬性模型輸出的未標注的樣本集；

調用預設查詢函數，從所述未標注的樣本集中選擇需標注的樣本；

標注所述需標注的樣本，得到標注好的樣本；

將所述標注好的樣本加入所述歷史已標注樣本集合，形成新的訓練樣本集合；

根據所述新的訓練樣本集合優化所述已訓練的人像屬性模型，將優化后的所述已訓練的人像屬性模型重新作為已訓練的人像屬性模型。

3.根據權利要求1所述的方法，其特征在于，所述隨機標注部分所述感興趣的人臉區域的人像屬性，獲得訓練樣本包括：

將多個確定的感興趣的人臉區域作為數據集；

隨機選取所述數據集中部分感興趣的人臉區域作為待標注樣本；

推送所述待標注樣本至人像屬性標注服務器；

接收所述人像屬性標注服務器反饋的人像屬性標注結果，得到訓練樣本，所述人像屬性標注結果由所述人像屬性標注服務器根據待標注屬性指標集合對所述待標注樣本進行人像屬性標注得到，所述待標注屬性指標集合包括年齡、性別、有無劉海、是否戴眼鏡、化妝類型、是否描眉、是否涂口紅、是否腮紅、發型、皮膚狀態、臉型、人臉上下停對比、人臉三停對比、胡須類型、眉毛形態以及是否有抬頭紋的屬性指標。

4.根據權利要求1所述的方法，其特征在于，所述獲取人臉檢測數據，確定感興趣的人臉區域包括：

獲取人臉檢測數據；

將所述人臉檢測數據輸入至已訓練的神經網絡模型，確定感興趣的人臉區域，所述已訓練的神經網絡模型以樣本數據中人臉檢測數據為輸入數據、并以樣本數據中人臉位置作為輸出，使用反向傳播算法以及交叉熵損失對神經網絡模型中預設的參數進行調整，直到訓練次數達到預設的閾值，其中，所述交叉熵損失是通過所述神經網絡模型對所述樣本數據中人臉檢測數據進行識別，得到預測人臉位置，并將預測的人臉位置和所述樣本數據中人臉位置進行比對得到的數據訓練得到。

5.根據權利要求4所述的方法，其特征在于，所述將所述人臉檢測數據輸入至已訓練的神經網絡模型，確定感興趣的人臉區域包括：

獲取人臉檢測數據；

將所述人臉檢測數據輸入至已訓練的神經網絡模型，獲取人臉位置區域；

識別人臉位置區域的邊緣；

沿所述邊緣擴展預設個數像素距離，得到感興趣的人臉區域。

6.根據權利要求1所述的方法，其特征在于，所述根據所述訓練樣本對人像屬性模型進行訓練包括：

將所述訓練樣本隨機分為訓練數據和驗證數據，所述訓練數據的數據量大于所述驗證數據的數據量；

以所述訓練數據中所述感興趣的人臉區域作為輸入、且以所述訓練數據中人像屬性作為輸出，對人像屬性模型進行訓練；

根據所述驗證數據對訓練后的人像屬性模型進行驗證；

當驗證通過時，得到已訓練的人像屬性模型；

當驗證未通過時，重新隨機標注部分所述感興趣的人臉區域的人像屬性，獲得訓練樣本。

7.一種人像屬性模型構建裝置，其特征在于，所述裝置包括：

數據獲取模塊，用于獲取人臉檢測數據，確定感興趣的人臉區域；

標注模塊，用于隨機標注部分所述感興趣的人臉區域的人像屬性，獲得訓練樣本；

訓練模塊，用于根據所述訓練樣本對人像屬性模型進行訓練；

模型優化模塊，用于根據已訓練的人像屬性模型輸出的未標注的樣本集，通過主動學習算法優化已訓練的人像屬性模型，得到優化后的人像屬性模型。