[發明專利]一種人臉識別方法、人臉識別模型訓練方法以及相關裝置

在審

• 申請號: 202011133566.3
• 申請日: 2020-10-21
• 公開（公告）號: CN114463794A
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 方帥;劉杰
• 申請（專利權）人: 華為云計算技術有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/74;G06V10/774
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 陳松浩

1.一種人臉識別模型訓練方法，其特征在于，包括：

獲取異質人臉圖像對集合，所述異質人臉圖像對集合包括N對異質人臉圖像，所述N對異質人臉圖像中的每對異質人臉圖像對應N個不同人臉中的目標人臉；

根據所述N對異質人臉圖像獲取N組特征向量，所述N組特征向量中的每組特征向量包括兩個特征向量；

根據所述N組特征向量獲取相似性矩陣，所述相似性矩陣對角線上的元素為對應同一目標人臉且對應不同視覺域的兩個特征向量之間的距離參數，所述相似性矩陣非對角線上的元素為對應不同目標人臉且對應不同視覺域的兩個特征向量之間的距離參數；

獲取所述相似性矩陣的損失參數，所述損失參數包括對稱損失參數，所述對稱損失參數為所述相似性矩陣中D_ij的元素與D_ji的元素的差值的平方的求和值，其中，所述i不等于所述j；

根據所述損失參數對人臉識別模型進行訓練。

2.根據權利要求1所述的方法，其特征在于，所述損失參數還包括第一判別損失參數以及第二判別損失參數，所述第一判別損失參數為所述相似性矩陣中D_mn的元素的求和值，其中，所述m等于所述n，所述第二判別損失參數為所述相似性矩陣中D_jk的元素的求和值，其中，所述j大于所述k。

3.根據權利要求2所述的方法，其特征在于，所述第二判別損失參數為所述相似性矩陣中D_ab的元素中按數值由大到小排序的前N個元素的求和值，其中，所述a大于所述b。

4.根據權利要求1至3中任一項所述的方法，其特征在于，所述根據所述損失參數進行訓練包括：

當所述對稱損失參數收斂至第一預設值，所述第一判別損失參數收斂至第二預設值，所述第二判別損失參數收斂至第三預設值時，獲取人臉識別模型對應的參數。

5.一種人臉識別方法，其特征在于，包括：

獲取第一人臉圖像以及第二人臉圖像，所述第一人臉圖像與所述第二人臉圖像對應不同的圖像屬性，所述圖像屬性包括視覺域、光照條件以及拍攝角度中的任一種；

根據所述第一人臉圖像獲取第一特征向量，根據所述第二人臉圖像獲取所述第二特征向量；

獲取所述第一特征向量與所述第二特征向量的距離參數，所述距離參數包括歐式距離參數或者余弦距離參數；

當所述距離參數小于或等于預設值時，確定所述第一人臉圖像與所述第二人臉圖像存在匹配關系；

當所述距離參數大于所述預設值時，確定所述第一人臉圖像與所述第二人臉圖像不存在匹配關系。

6.一種人臉識別模型訓練方法，其特征在于，包括：

獲取N對人臉圖像對，所述N為大于或等于2的整數，所述N對人臉圖像對中包括第一人臉圖像對以及第二人臉圖像對，所述第一人臉圖像對包括第一目標人臉在第一圖像屬性的人臉圖像以及第二目標人臉在第二圖像屬性的人臉圖像，所述第二人臉圖像對包括第二目標人臉在第三圖像屬性的人臉圖像以及第一目標人臉在第四圖像屬性的人臉圖像，所述圖像屬性包括視覺域、光照條件以及拍攝角度中的任一種；

根據第一人臉圖像對以及第二人臉圖像對獲取對稱損失參數，所述對稱損失參數為所述第一人臉圖像對的距離參數與所述第二人臉圖像對的距離參數的差值的平方值與1/[N(N-1)]的乘積；

根據所述對稱損失參數對人臉識別模型進行訓練。

7.根據權利要求6所述的人臉識別模型訓練方法，其特征在于，所述第一圖像屬性、所述第二圖像屬性、所述第三圖像屬性以及所述第四圖像屬性對應四種不同的圖像屬性；

或者，所述第一圖像屬性與所述第四圖像屬性對應不同的圖像屬性，所述第二圖像屬性與所述第三圖像屬性對應不同的圖像屬性，所述第一圖像屬性與所述第三圖像屬性對應相同的圖像屬性，所述第四圖像屬性與所述第二圖像屬性對應相同的圖像屬性。