[發明專利]眉毛識別方法、裝置、計算設備及計算機可讀存儲介質

有效

• 申請號: 202010089029.7
• 申請日: 2020-02-12
• 公開（公告）號: CN111274993B
• 公開（公告）日: 2023-08-04
• 發明（設計）人: 陳仿雄
• 申請（專利權）人: 深圳數聯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: 北京市浩天知識產權代理事務所(普通合伙) 11276
• 代理人: 王廣濤

本發明實施例涉及圖像識別技術領域，公開了一種眉毛識別方法、裝置、計算設備及計算機可讀存儲介質，該方法包括：獲取待識別的眉毛圖像；通過預先訓練得到的眉毛識別模型對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；通過眉毛識別模型中的多個分支識別模型分別對多個淺層特征圖進行識別，以得到多個分支識別模型各自對應的識別結果；根據識別結果計算每一種眉毛類別的概率和；將最大概率和對應的眉毛類別作為待識別的眉毛圖像所屬的眉毛類別。通過上述方式，本發明實施例實現了眉毛圖像的識別。

技術領域

本發明實施例涉及圖像識別技術領域，具體涉及一種眉毛識別方法、裝置、計算設備及計算機可讀存儲介質。

背景技術

眉毛是人臉識別中的一個重要特征。相較于人臉其他特征，例如，眼睛、嘴巴等，眉毛具有一定的穩定性。因此，眉毛類型的識別在人臉識別中發揮著重要作用。

現有技術中眉毛識別的方法包括基于尺度不變特征變換(Scale-invariantfeature?transform，SIFT)的眉毛識別方法、梯度匹配的眉毛識別方法和稀疏表示的眉毛識別方法。上述方法均通過提取眉毛的形狀、顏色等特征進行眉毛識別，識別結果容易受圖像質量的影響。

發明內容

鑒于上述問題，本發明實施例提供了一種眉毛識別方法、裝置、計算設備及計算機可讀存儲介質，克服了上述問題或者至少部分地解決了上述問題。

根據本發明實施例的一個方面，提供了一種眉毛識別方法，所述方法包括：

獲取待識別的眉毛圖像；

通過預先訓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目標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的識別結果，每個識別結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，一個概率對應一種眉毛類別，所述多個分支模型的感受野各不相同；

根據所述識別結果計算每一種眉毛類別對應的概率之和，以得到每一種眉毛類別對應的概率和；

將最大概率對應的眉毛類別作為所述待識別的眉毛圖像所屬的眉毛類別。

可選的，所述通過預先訓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一提取，得到所述多個淺層特征圖。

可選的，每個支識別模型包括降維層、多個相互串聯的目標卷積層、目標池化層和全連接層；每個分支模型的目標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模型各自對應的識別結果，包括：

通過各分支識別模型中的降維層分別對所述多個第三特征圖進行降維，以得到所述多個分支識別模型各自對應的多個第三特征圖，所述第三特征圖用于反饋所述眉毛圖像的目標低層語義圖像特征，所述目標低層語義特征是指所述低層語義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卷積層各自對所述多個分支識別模型各自對應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；