[發(fā)明專利]基于深度學(xué)習(xí)的人臉圖像評(píng)估方法、裝置、設(shè)備及介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011509136.7
• 申請(qǐng)日: 2020-12-18
• 公開（公告）號(hào): CN112529888A
• 公開（公告）日: 2021-03-19
• 發(fā)明（設(shè)計(jì)）人: 陳丹;陸進(jìn);陳斌;劉玉宇
• 申請(qǐng)（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00
• 代理公司: 深圳市精英專利事務(wù)所 44242
• 代理人: 涂年影

1.一種基于深度學(xué)習(xí)的人臉圖像評(píng)估方法，其特征在于，包括：

獲取用于訓(xùn)練的人臉圖像，并按照預(yù)設(shè)數(shù)量，將所述人臉圖像劃分為多個(gè)相同大小的區(qū)域，作為圖像識(shí)別區(qū)域；

將每個(gè)所述圖像識(shí)別區(qū)域進(jìn)行灰度處理，得到每個(gè)所述圖像識(shí)別區(qū)域?qū)?yīng)的灰度圖；

計(jì)算所述灰度圖的梯度值，得到灰度圖對(duì)應(yīng)的梯度值，并根據(jù)所述梯度值，得到標(biāo)注數(shù)據(jù)；

根據(jù)人臉評(píng)估模型，對(duì)所述圖像識(shí)別區(qū)域進(jìn)行向量提取，得到基礎(chǔ)向量；

對(duì)所述基礎(chǔ)向量進(jìn)行降維處理，得到目標(biāo)向量，并根據(jù)所述目標(biāo)向量和所述標(biāo)注數(shù)據(jù)對(duì)所述人臉評(píng)估模型的參數(shù)進(jìn)行更新，得到訓(xùn)練好的人臉評(píng)估模型；

獲取待評(píng)估的人臉圖像，并將所述待評(píng)估的人臉圖像輸入到所述訓(xùn)練好的人臉評(píng)估模型中，輸出所述待評(píng)估的人臉圖像對(duì)應(yīng)的評(píng)估結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的人臉圖像評(píng)估方法，其特征在于，所述根據(jù)人臉評(píng)估模型，對(duì)所述圖像識(shí)別區(qū)域進(jìn)行向量提取，得到基礎(chǔ)向量，包括：

根據(jù)所述人臉評(píng)估模型，提取每個(gè)所述圖像識(shí)別區(qū)域的深度特征；

通過(guò)均值池化的方式，對(duì)所述深度特征進(jìn)行池化處理，得到所述深度特征對(duì)應(yīng)的列向量，并將所述列向量作為所述基礎(chǔ)向量。

3.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的人臉圖像評(píng)估方法，其特征在于，所述對(duì)所述基礎(chǔ)向量進(jìn)行降維處理，得到目標(biāo)向量，并根據(jù)所述目標(biāo)向量和所述標(biāo)注數(shù)據(jù)對(duì)所述人臉評(píng)估模型的參數(shù)進(jìn)行更新，得到訓(xùn)練好的人臉評(píng)估模型，包括：

對(duì)所述基礎(chǔ)向量進(jìn)行降維處理，得到目標(biāo)向量；

對(duì)所述目標(biāo)向量進(jìn)行sigmoid函數(shù)計(jì)算，得到計(jì)算結(jié)果；

基于所述標(biāo)注數(shù)據(jù)，對(duì)所述計(jì)算結(jié)果進(jìn)行損失函數(shù)計(jì)算，得到圖像識(shí)別區(qū)域?qū)?yīng)的損失值；

根據(jù)所述圖像識(shí)別區(qū)域?qū)?yīng)的損失值，對(duì)所述人臉評(píng)估模型的參數(shù)進(jìn)行更新，得到所述訓(xùn)練好的人臉評(píng)估模型。

4.根據(jù)權(quán)利要求3所述的基于深度學(xué)習(xí)的人臉圖像評(píng)估方法，其特征在于，所述根據(jù)所述圖像識(shí)別區(qū)域?qū)?yīng)的損失值，對(duì)所述人臉評(píng)估模型的參數(shù)進(jìn)行更新，得到所述訓(xùn)練好的人臉評(píng)估模型，包括：

將所有的所述圖像識(shí)別區(qū)域?qū)?yīng)的損失值進(jìn)行相加，得到目標(biāo)損失值；

按照梯度回傳的方式，將所述目標(biāo)損失值進(jìn)行梯度回傳，對(duì)所述人臉評(píng)估模型的參數(shù)進(jìn)行更新；

當(dāng)所述目標(biāo)損失值達(dá)到預(yù)設(shè)值時(shí)，停止對(duì)所述人臉評(píng)估模型的參數(shù)的更新，得到所述訓(xùn)練好的人臉評(píng)估模型。

5.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的人臉圖像評(píng)估方法，其特征在于，所述獲取用于訓(xùn)練的人臉圖像，并按照預(yù)設(shè)數(shù)量，將所述人臉圖像劃分為多個(gè)相同大小的區(qū)域，作為圖像識(shí)別區(qū)域，包括：

獲取用于訓(xùn)練的人臉圖像；

將所述人臉圖像向中心縮放預(yù)設(shè)倍數(shù)，得到取樣區(qū)域；

按照預(yù)設(shè)數(shù)量，將所述取樣區(qū)域劃分為多個(gè)相同大小的區(qū)域，作為所述圖像識(shí)別區(qū)域。

6.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的人臉圖像評(píng)估方法，其特征在于，所述計(jì)算所述灰度圖的梯度值，得到灰度圖對(duì)應(yīng)的梯度值，并根據(jù)所述梯度值，得到標(biāo)注數(shù)據(jù)，包括：

按照預(yù)設(shè)的梯度計(jì)算方式，計(jì)算所述灰度圖的梯度值，得到所述灰度圖對(duì)應(yīng)的梯度值；

設(shè)定梯度閾值，將所述灰度值與所述梯度閾值進(jìn)行比較，得到所述標(biāo)注數(shù)據(jù)，其中，若所述梯度值大于所述梯度閾值，則標(biāo)注數(shù)據(jù)為1，若所述梯度值小于或等于所述梯度閾值，則標(biāo)注數(shù)據(jù)為0。

7.根據(jù)權(quán)利要求1至6任一項(xiàng)所述的基于深度學(xué)習(xí)的人臉圖像評(píng)估方法，其特征在于，所述獲取待評(píng)估的人臉圖像，并將所述待評(píng)估的人臉圖像輸入到所述訓(xùn)練好的人臉評(píng)估模型中，輸出所述待評(píng)估的人臉圖像對(duì)應(yīng)的評(píng)估結(jié)果，包括：

獲取待評(píng)估的人臉圖像，并通過(guò)所述訓(xùn)練好的人臉評(píng)估模型中，輸出所述待評(píng)估的人臉圖像對(duì)應(yīng)圖像識(shí)別區(qū)域的得分值；

將所述得分值與預(yù)設(shè)模糊閾值進(jìn)行對(duì)比，得到所述待評(píng)估的人臉圖像對(duì)應(yīng)的評(píng)估結(jié)果。