[發明專利]人臉識別方法、裝置、電子設備及存儲介質

在審

• 申請號: 202010916477.X
• 申請日: 2020-09-03
• 公開（公告）號: CN112052789A
• 公開（公告）日: 2020-12-08
• 發明（設計）人: 黃余格;徐興坤;沈鵬程;李紹欣
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京市立方律師事務所 11330
• 代理人: 張筱寧;張海秀

1.一種人臉識別方法，其特征在于，包括：

獲取人臉圖像的訓練數據集以及初始神經網絡模型；其中，所述訓練數據集中包括各樣本圖像對，所述樣本圖像對包括同一個用戶的不帶臉部遮擋的第一樣本圖像和帶臉部遮擋的第二樣本圖像，各所述樣本圖像對標注有訓練標簽；所述初始神經網絡模型包括初始臉部識別模型、以及分別與所述初始臉部識別模型的輸出連接的第一分類層和第二分類層；

將各所述樣本圖像對輸入至所述初始神經網絡模型，得到每個樣本圖像對應于第一分類層的第一輸出結果和對應于第二分類層的第二輸出結果；

對于每個用戶的所述樣本圖像對，基于所述訓練標簽和第二樣本圖像對應的第一輸出結果計算第一損失函數的值，基于所述訓練標簽和第一樣本圖像對應的第二輸出結果計算第二損失函數的值；

基于所述第一損失函數的值和第二損失函數的值，計算模型的總損失函數的值，并基于所述總損失函數的值對模型進行訓練，直至所述模型的總損失函數收斂，將總損失函數收斂時的臉部識別模型作為人臉識別模型，以基于所述人臉識別模型對人臉圖像進行識別。

2.根據權利要求1所述的方法，其特征在于，還包括：

對于每個用戶的樣本圖像對，基于所述訓練標簽、第一樣本圖像對應的第一輸出結果計算第三損失函數的值，基于所述訓練標簽、第二樣本圖像對應的第二輸出結果計算第四損失函數的值；

所述基于所述第一損失函數的值和第二損失函數的值，計算模型的總損失函數的值，包括：

基于第一損失函數的值、第二損失函數的值、第三損失函數的值、第四損失函數的值，計算總損失函數的值。

3.根據權利要求2所述的方法，其特征在于，所述基于所述總損失函數的值對模型進行訓練，包括：

基于所述總損失函數的值判斷所述模型對應的總損失函數是否收斂；

基于所述總損失函數的值調整臉部識別模型的模型參數；

基于所述第三損失函數的值和第四損失函數的值調整所述第一分類層和所述第二分類層對應的模型參數。

4.根據權利要求3所述的方法，其特征在于，所述基于所述總損失函數的值對模型進行訓練，包括：

基于所述總損失函數的值判斷所述神經網絡模型對應的總損失函數是否收斂；

若不收斂，則執行以下操作：

基于總損失函數的值調整臉部識別模型的模型參數，以在對模型進行訓練時，提升臉部識別模型所輸出的同一用戶的第一樣本圖像的圖像特征和第二樣本圖像的圖像特征的相似度，間接影響第一分類層和第二分類層的輸入；

基于第三損失函數的值和第四損失函數的值調整第一分類層和第二分類層對應的模型參數，以在對模型進行訓練時，切斷第一損失函數的值和第二損失函數的值對第一分類層和第二分類層的影響，使得第一分類層和第二分類層具有不同的分類中心。

5.根據權利要求1所述的方法，其特征在于，所述獲取人臉圖像的訓練數據集，包括：

獲取人臉圖像的樣本人臉圖像集，其中，所述樣本人臉圖像集中包括各用戶的第一樣本圖像；

對各所述第一樣本圖像進行人臉對齊處理；

將預配置的人臉遮擋模板疊加到人臉對齊處理后的各所述第一樣本圖像上，得到各所述第一樣本圖像對應的各第二樣本圖像。

6.根據權利要求5所述的方法，其特征在于，所述人臉遮擋模板為口罩模板。

7.根據權利要求1所述的方法，其特征在于，所述獲取人臉圖像的訓練數據集，包括：

從各所述第一樣本圖像中隨機抽取設定數量的第一樣本圖像；

根據抽取出的每個第一樣本圖像的用戶標識，從各所述第二樣本圖像中抽取同一用戶的第二樣本圖像，抽取出的各用戶的第一樣本圖像和第二樣本圖像作為所述訓練數據集的一次訓練的訓練數據。

8.一種人臉識別方法，其特征在于，包括：

獲取待識別人臉圖像；

利用基于權利要求1至7中任一項所述的方法得到的人臉識別模型識別所述待識別人臉圖像，獲得人臉識別結果。