[發(fā)明專利]眉毛識別方法、裝置、計算設(shè)備及計算機可讀存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202010089029.7
• 申請日: 2020-02-12
• 公開（公告）號: CN111274993B
• 公開（公告）日: 2023-08-04
• 發(fā)明（設(shè)計）人: 陳仿雄
• 申請（專利權(quán)）人: 深圳數(shù)聯(lián)天下智能科技有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/44;G06V10/54;G06V10/764;G06V10/77;G06V10/82;G06V10/774;G06N3/0464;G06N3/08;G06T7/40;G06T11/40
• 代理公司: 北京市浩天知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11276
• 代理人: 王廣濤

1.一種眉毛識別方法，其特征在于，所述方法包括：

獲取待識別的眉毛圖像；

通過預(yù)先訓(xùn)練得到的眉毛識別模型對所述待識別的眉毛圖像進行多個淺層特征提取，得到多個淺層特征圖，一個淺層特征圖用于反饋所述眉毛圖像的一個低層語義圖像特征；

通過眉毛識別模型中的多個分支識別模型分別對所述多個淺層特征圖進行識別，以得到所述多個分支識別模型各自對應(yīng)的識別結(jié)果，每個識別結(jié)果包括用于指示所述眉毛圖像中的眉毛屬于各種眉毛類別的多個概率，一個概率對應(yīng)一種眉毛類別，所述多個分支識別模型的感受野各不相同；其中，每個分支識別模型包括降維層、多個相互串聯(lián)的目標(biāo)卷積層、目標(biāo)池化層和全連接層，每個分支模型的目標(biāo)卷積層中的卷積核的尺寸各不相同；所述通過眉毛識別模型中的多個分支識別模型分別對所述多個淺層特征圖進行識別，以得到所述多個分支識別模型各自對應(yīng)的識別結(jié)果，包括：

通過各分支識別模型中的降維層分別對所述多個淺層特征圖進行降維，以得到所述多個分支識別模型各自對應(yīng)的多個第三特征圖，所述第三特征圖用于反饋所述眉毛圖像的目標(biāo)低層語義圖像特征，所述目標(biāo)低層語義圖像特征是指所述低層語義圖像特征中用于精確表達所述眉毛圖像的圖像特征；

通過所述各分支識別模型中的目標(biāo)卷積層各自對所述多個分支識別模型各自對應(yīng)的多個第三特征圖進行深層特征提取，得到所述多個分支識別模型各自對應(yīng)的多個第四特征圖，一個第四特征圖用于表示所述待識別的眉毛圖像的高層語義圖像特征；

通過所述各分支識別模型中的目標(biāo)池化層各自對所述多個分支識別模型各自對應(yīng)的多個第四特征圖進行池化，得到多個分支識別模型各自對應(yīng)的多個第五特征圖；

通過所述各分支識別模型中的全連接層各自對所述多個分支識別模型各自對應(yīng)的多個第五特征圖表征的圖像特征進行加權(quán)運算，得到所述多個分支識別模型各自對應(yīng)的加權(quán)結(jié)果，每個加權(quán)結(jié)果包括用于表示所述待識別的眉毛圖像屬于每一種眉毛類別的可能性的多個數(shù)值；

對所述多個分支識別模型各自對應(yīng)的加權(quán)結(jié)果進行歸一化輸出，得到所述多個分支識別模型各自對應(yīng)的識別結(jié)果；

根據(jù)所述識別結(jié)果計算每一種眉毛類別對應(yīng)的概率之和，以得到每一種眉毛類別對應(yīng)的概率和；

將最大概率和對應(yīng)的眉毛類別作為所述待識別的眉毛圖像所屬的眉毛類別。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述通過預(yù)先訓(xùn)練得到的眉毛識別模型對所述待識別的眉毛圖像進行多個淺層特征提取，得到多個淺層特征圖，包括：

通過所述眉毛識別模型中的多個單邊卷積核分別提取所述待識別的眉毛圖像的多種紋理特征，得到多個第一特征圖，一個單邊卷積核用于提取所述待識別的眉毛圖像的一種紋理特征；

對每一個第一特征圖進行填充，得到多個第二特征圖，每一個第二特征圖的寬和高相同；

通過眉毛識別模型中的淺層特征提取層對所述多個第二特征圖進行淺層特征統(tǒng)一提取，得到所述多個淺層特征圖。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述第五特征圖為一維圖像特征；通過所述各分支識別模型中的目標(biāo)池化層各自對所述多個分支識別模型各自對應(yīng)的多個第四特征圖進行池化，得到所述多個分支識別模型各自對應(yīng)的多個第五特征圖，包括：

通過目標(biāo)分支識別模型中的目標(biāo)池化層對目標(biāo)第四特征圖中的所有像素點計算平均值，所述目標(biāo)分支識別模型為所述多個分支識別模型中的任一分支識別模型，所述目標(biāo)第四特征圖為所述多個第四特征圖中的任意一個第四特征圖；

將所述平均值作為所述目標(biāo)第四特征圖對應(yīng)的第五特征圖的像素值，以得到所述多個分支識別模型各自對應(yīng)的多個第五特征圖。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，在獲取待識別的眉毛圖像之前，所述方法還包括：

構(gòu)建眉毛識別模型；

獲取多個訓(xùn)練圖像；

對每一個訓(xùn)練圖像對應(yīng)的眉毛類別進行標(biāo)識，得到每一個訓(xùn)練圖像的標(biāo)識信息，同一種眉毛類別對應(yīng)的訓(xùn)練圖像的標(biāo)識信息相同，不同種眉毛類別對應(yīng)的訓(xùn)練圖像的標(biāo)識信息不同；

將每一個訓(xùn)練圖像及其對應(yīng)的標(biāo)識信息作為一組訓(xùn)練樣本，以得到多組訓(xùn)練樣本；

根據(jù)所述多組訓(xùn)練樣本訓(xùn)練所述眉毛識別模型，得到訓(xùn)練好的眉毛識別模型。