[發明專利]一種人臉匹配方法、裝置及電子設備

在審

• 申請號: 202110751346.5
• 申請日: 2021-07-02
• 公開（公告）號: CN113420699A
• 公開（公告）日: 2021-09-21
• 發明（設計）人: 殷鵬偉;陳玉輝;徐斌;王春茂
• 申請（專利權）人: 杭州海康威視數字技術股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 孟維娜;丁蕓

1.一種人臉匹配方法，其特征在于，所述方法包括：

獲取目標人臉圖像的低精度人臉特征與高精度人臉特征，其中，所述低精度人臉特征的精度低于所述高精度人臉特征；

針對每個候選人臉圖像，確定該候選人臉圖像的高精度人臉特征與所述目標人臉圖像的高精度人臉特征是否匹配，如果匹配，則將該候選人臉圖像作為粗篩選人臉圖像；

針對每個粗篩選人臉圖像，確定該粗篩選人臉圖像的高精度人臉特征與所述目標人臉圖像的高精度人臉特征是否匹配，如果匹配，確定該粗篩選人臉圖像與所述目標人臉圖像匹配。

2.根據權利要求1所述的方法，其特征在于，所述獲取目標人臉圖像的低精度人臉特征與高精度人臉特征，包括：

將目標人臉圖像輸入至預先經過訓練的人臉特征提取模型，得到所述人臉特征提取模型輸出的所述目標人臉圖像的高精度人臉特征與低精度人臉特征；

其中，所述人臉特征提取模型為預先利用標注有匹配結果的樣本圖像對訓練得到的，所述匹配結果用于表示所述樣本圖像對中的樣本圖像是否匹配。

3.根據權利要求2所述的方法，其特征在于，所述人臉特征提取模型是預先通過以下方式訓練得到的：

將標注有匹配結果的樣本圖像對中的兩個樣本圖像分別輸入至初始模型，其中，所述初始模型包括主干子模型、第一分支子模型和第二分支子模型，所述主干子模型用于提取輸入至所述初始模型的圖像的圖像特征，并將提取的圖像特征輸入至所述第一分支子模型和所述第二分支子模型，所述第一分支子模型用于根據輸入的圖像特征，輸出高精度人臉特征，所述第二分支子模型用于根據輸入的圖像特征，輸出低精度人臉特征；

獲取所述第一分支子模型輸出的兩個樣本圖像的高精度人臉特征以及所述第二分支子模型輸出的所述兩個樣本圖像的低精度人臉特征；

基于所述兩個樣本圖像的高精度人臉特征，確定所述兩個樣本圖像是否匹配，得到第一預測結果；并基于所述兩個樣本圖像的低精度人臉特征，確定所述兩個第一圖像是否匹配，得到第二預測結果；

根據所述第一預測結果和所述匹配結果，調整所述主子模型和所述第一分支子模型的模型參數，并根據所述第二預測結果和所述匹配結果，調整所述主干子模型和所述第二分支子模型的模型參數，得到人臉特征提取模型。

4.根據權利要求3所述的方法，其特征在于，所述根據所述第二預測結果和所述匹配結果，調整所述主干子模型和所述第二分支子模型的模型參數，包括：

根據所述兩個樣本圖像的低精度人臉特征中特征值的離散程度，構建第二損失函數；

根據所述第二預測結果和所述匹配結果、所述第二損失函數，調整所述主干子模型和所述第二分支子模型的模型參數。

5.根據權利要求3所述的方法，其特征在于，所述根據所述第二預測結果和所述匹配結果，調整所述主干子模型和所述第二分支子模型的模型參數，包括：

將所述兩個樣本圖像的低精度人臉特征輸入至預先經過訓練的分類網絡，得到所述兩個樣本圖像的預測分類結果；

根據所述兩個樣本圖像的預測分類結果與所述兩個樣本圖像標注的標注分類結果，構建第三損失函數；

根據所述第二預測結果和所述匹配結果、所述第三損失函數，調整所述主干子模型和所述第二分支子模型的模型參數。

6.根據權利要求5所述的方法，其特征在于，所述根據所述第二預測結果和所述匹配結果、所述第二損失函數，調整所述主干子模型和所述第二分支子模型的模型參數，包括：

根據所述分類網絡的網絡參數，構建第四損失函數，所述第四損失函數用于表示所述分類網絡的網絡參數的正則性；

根據所述第二預測結果和所述匹配結果、所述第四損失函數，調整所述主干子模型和所述第二分支子模型的模型參數。

7.根據權利要求1-6任一所述的方法，其特征在于，低精度人臉特征為人臉哈希特征，高精度人臉特征為人臉浮點特征。