[發明專利]一種人臉識別模型的訓練方法和裝置

有效

• 申請號: 202010431157.5
• 申請日: 2020-05-20
• 公開（公告）號: CN111738083B
• 公開（公告）日: 2022-12-27
• 發明（設計）人: 胡炳然
• 申請（專利權）人: 云知聲智能科技股份有限公司;廈門云知芯智能科技有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/774;G06T7/00
• 代理公司: 北京冠和權律師事務所 11399
• 代理人: 安琪

1.一種人臉識別模型的訓練方法，其特征在于，包括：

提取訓練圖片集中每個訓練圖片的評價參數值，所述評價參數值包括：模糊度值、光照強度值、對比度值和飽和度值；

根據每個訓練圖片的評價參數值計算得到每個訓練圖片的綜合評價指標；

通過構建的卷積神經網絡提取所述每個訓練圖片對應的特征向量，并確定訓練圖片集中各個類別的類中心向量；

根據所述每個訓練圖片的綜合評價指標、對應的特征向量和所述類中心向量計算損失函數和損失函數的梯度值，以確定所述卷積神經網絡的網絡參數，得到目標人臉識別模型；

損失函數L采用以下公式進行計算:

L＝αL_quality+L_softmax

其中，

q_i＝q_i(a_i,b_i,c_i,d_i)

其中，α、s表示尺度因子，B表示一個批次訓練圖片的總數，K表示樣本類別的總數，x_i表示第i個訓練圖片的特征向量，w_i表示第i類訓練圖片的類中心向量，為x_i的第d維分量，q_i表示第i個訓練圖片的綜合評價指標，a_i表示第i個訓練圖片的模糊度值，b_i表示第i個訓練圖片的光照強度值，c_i表示第i個訓練圖片的對比度值，d_i表示第i個訓練圖片的飽和度值。

2.根據權利要求1所述的人臉識別模型的訓練方法，其特征在于，所述方法還包括：

使用所述目標人臉識別模型對輸入的圖像進行處理，得到人臉特征向量；

根據所述人臉特征向量判斷所述圖像的質量是否符合預設質量；

當所述圖像的質量符合預設質量時，通過所述目標人臉識別模型對所述圖像進行人臉身份類別識別。

3.根據權利要求2所述的人臉識別模型的訓練方法，其特征在于，根據所述人臉特征向量判斷所述圖像的質量是否符合預設質量，包括：

計算所述人臉特征向量的模長；

當所述模長在預設范圍內時，判斷所述圖像的質量符合預設質量。

4.根據權利要求2所述的人臉識別模型的訓練方法，其特征在于，當所述圖像的質量符合預設質量時，通過所述目標人臉識別模型對所述圖像進行人臉身份類別識別，包括：

當所述圖像的質量符合預設質量時，對所述人臉特征向量進行歸一化處理；

通過所述目標人臉識別模型對歸一化處理后的人臉特征向量進行人臉身份類別識別。