[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

本申請涉及人臉識別技術領域，公開了一種人臉識別方法、裝置、電子設備及存儲介質，其中，該人臉識別方法包括：獲取人臉圖像的訓練數據集以及初始神經網絡模型；將各樣本圖像對輸入至初始神經網絡模型，基于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，并基于總損失函數的值對模型進行訓練，直至模型的總損失函數收斂，將訓練結束時的臉部識別模型作為人臉識別模型，以基于人臉識別模型對人臉圖像進行識別。本申請提供的人臉識別模型能夠實現對帶臉部遮擋的人臉圖像的識別。

技術領域

本申請涉及人臉識別技術領域，具體而言，本申請涉及一種人臉識別方法、裝置、電子設備及存儲介質。

背景技術

隨著科技及人工智能的發展，越來越多的場景需要進行人臉識別，如：支付場景、認證場景等。現有的人臉識別系統中一般都采用神經網絡訓練模型的方式進行，但訓練后的神經網絡模型僅對面部清晰的人臉的識別結果較準確，對于面部存在遮擋的人臉圖像的識別準確率較低，甚至無法識別。

發明內容

本申請的目的旨在至少能解決上述的技術缺陷之一，特提出以下技術方案：

本申請的一個方面，提供了一種人臉識別方法，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，訓練數據集中包括各樣本圖像對，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，各樣本圖像對標注有訓練標簽；初始神經網絡模型包括初始臉部識別模型、以及分別與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；

將各樣本圖像對輸入至初始神經網絡模型，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，以基于人臉識別模型對人臉圖像進行識別。

本申請的另一個方面，提供了一種人臉識別方法，包括：

獲取待識別人臉圖像；

利用基于本申請實施例所提供的方法得到人臉識別模型識別待識別人臉圖像，獲得人臉識別結果。

本申請的另一個方面，提供了一種人臉識別裝置，該裝置包括：

獲取訓練數據集模塊，用于獲取人臉圖像的訓練數據集以及初始神經網絡模型；其中，訓練數據集中包括各樣本圖像對，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，各樣本圖像對標注有訓練標簽；初始神經網絡模型包括初始臉部識別模型、以及分別與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；

獲得輸出結果模塊，用于將各樣本圖像對輸入至初始神經網絡模型，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；

計算損失函數模塊，用于對于每個用戶的樣本圖像對，基于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；

訓練模塊，用于基于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，以基于人臉識別模型對人臉圖像進行識別。