[發明專利]一種基于神經網絡的人臉聚類方法以及裝置

有效

• 申請號: 202011081455.2
• 申請日: 2020-10-12
• 公開（公告）號: CN111931749B
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 劉李進
• 申請（專利權）人: 北京神州泰岳智能數據技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 衡滔

1.一種基于神經網絡的人臉聚類方法，其特征在于，所述基于神經網絡的人臉聚類方法包括：

根據人臉檢測模型確定并截取輸入圖像中的至少一個人臉區域，得到至少一張人臉圖片；

根據人臉識別模型確定所述至少一張人臉圖片中各張人臉圖片的人臉特征向量；

根據人臉過濾模型和所述人臉特征向量再次確認存在人臉的目標人臉圖片；

根據所述目標人臉圖片對應的所述特征向量和人臉聚類模型完成人臉聚類；

其中，所述人臉過濾模型是通過將訓練圖片依次輸入已經訓練完成的所述人臉識別模型和待訓練人臉過濾模型對所述待訓練人臉過濾模型進行訓練得到的；

所述人臉過濾模型屬于基于卷積神經網絡的二值分類器，被配置為確認所述特征向量表征的所述人臉圖片上存在人臉。

2.如權利要求1所述的基于神經網絡的人臉聚類方法，其特征在于，所述根據人臉檢測模型確定并截取輸入圖像中的至少一個人臉區域，得到至少一張人臉圖片，包括：

對所述輸入圖像進行預處理得到第一尺寸預處理圖像；

將所述第一尺寸預處理圖像輸入所述人臉檢測模型；

根據設定閾值檢測確認所述第一尺寸預處理圖像上存在的所述至少一個人臉區域，得到所述至少一張人臉圖片。

3.如權利要求2所述的基于神經網絡的人臉聚類方法，其特征在于，所述根據設定閾值檢測確認所述第一尺寸預處理圖像上存在的所述至少一個人臉區域，得到所述至少一張人臉圖片之后，所述基于神經網絡的人臉聚類方法包括：

確認所述至少一張人臉圖片的特征滿足預設條件；

將所述至少一張人臉圖片進行局部處理后再輸入所述人臉識別模型。

4.如權利要求1所述的基于神經網絡的人臉聚類方法，其特征在于，所述人臉識別模型是通過中心損失函數和交叉熵損失函數共同確定終止對ResNet網絡模型的訓練得到的。

5.如權利要求4所述的神經網絡的人臉聚類方法，其特征在于，通過總損失值表征各次訓練所述ResNet網絡模型的訓練結果，所述總損失值是由所述中心損失函數得到第一損失值和由所述交叉熵損失函數得到的第二損失值的加權求和得到的。

6.如權利要求1所述的基于神經網絡的人臉聚類方法，其特征在于，所述人臉聚類模型采用分級聚類算法對輸入信息進行聚類處理，其中，所述分級聚類算法采用歐式距離的平方評估所述特征向量之間的相似性。

7.如權利要求1所述的基于神經網絡的人臉聚類方法，其特征在于，

所述人臉檢測模型是用于對輸入圖像進行人臉檢測的人臉檢測網絡；

所述人臉識別模型是采用訓練數據集、中心損失函數和交叉熵損失函數共同訓練Resnet 網絡得到的人臉識別網絡；以及

所述人臉過濾模型是基于訓練完成的所述人臉識別網絡的輸出數據訓練基于卷積神經網絡的二值分類器得到的人臉過濾網絡。

8.一種基于神經網絡的人臉聚類裝置，其特征在于，所述裝置包括：

人臉檢測模型，被配置為確定并截取輸入圖像中的至少一個人臉區域，得到至少一張人臉圖片；

人臉識別模型，被配置為確定所述至少一張人臉圖片中各張人臉圖片的人臉特征向量；

人臉過濾模型，被配置為根據所述人臉特征向量再次確認存在人臉的目標人臉圖片，其中，所述目標人臉圖片屬于所述至少一張人臉圖片中的至少部分圖片；

人臉聚類模型，被配置為根據所述目標人臉圖片對應的所述特征向量完成人臉聚類；

其中，所述人臉過濾模型是通過將訓練圖片依次輸入已經訓練完成的所述人臉識別模型和待訓練人臉過濾模型對所述待訓練人臉過濾模型進行訓練得到的；

所述人臉過濾模型屬于基于卷積神經網絡的二值分類器，被配置為確認所述特征向量表征的所述人臉圖片上存在人臉。