[发明专利]人脸图像处理方法、系统及服务器

权利要求书

1.一种人脸图像处理方法，其特征在于，包括下述步骤：

获取待分类的人脸图像；

将所述人脸图像输入到构建有损失函数的卷积神经网络模型中，所述损失函数对所述卷积神经网络模型输出的待分类数据进行系数松弛化处理，以增大所述待分类数据的分类界面，其中，所述系数松弛化处理具体包括对所述卷积神经网络模型全连接层输出的待分类数据进行同比例缩小处理，以增大所述待分类数据的分类界面，所述卷积神经网络模型采用的损失函数为Softmax的交叉熵损失函数；

获取所述卷积神经网络模型输出的分类数据，并根据所述分类数据对所述人脸图像进行内容理解；

所述卷积神经网络模型的正向传播的特征描述为：

L＝log(p_i)

定义函数：

所述卷积神经网络模型的反向传播的特征描述为：

定义函数：

其中，i表示输入图像本身所属的类别，j表示与i不同类别的分类类别，t表示与i不同类别的分类类别，k表示系数松弛化参数，f(x)表示卷积神经网络模型提取的人脸特征，w_i表示第i类别的权值，w_j表示第j类别的权值，w_t表示第t类别的权值，N表示为分类的类别数。

2.根据权利要求1所述的人脸图像处理方法，其特征在于，所述卷积神经网络模型通过下述步骤训练形成：

获取标记有分类判断信息的训练样本数据；

将所述训练样本数据输入卷积神经网络模型获取所述训练样本数据的模型分类信息；

通过损失函数比对所述训练样本数据内不同样本的模型分类信息与所述分类判断信息是否一致；

当所述模型分类信息与所述分类判断信息不一致时，反复循环迭代的更新所述卷积神经网络模型中的权重，至所述比对结果与所述分类判断信息一致时结束。

3.根据权利要求2所述的人脸图像处理方法，其特征在于，所述通过损失函数比对所述训练样本数据内不同样本的模型分类信息与所述分类判断信息是否一致的步骤，具体包括下述步骤：

对所述卷积神经网络模型全连接层输出的待分类数据进行系数参数化处理，使所述待分类数据进行同步缩小；

将所述经过系数参数化处理的待分类数据与预设第一分类取值区间内的边界值进行比较，确定所述经过系数参数化处理的待分类数据在所述第一分类取值区间内的区间位置；

根据所述区间位置对应的分类结果，确定所述训练样本数据内不同样本的模型分类信息；

判断所述模型分类信息与所述分类判断信息是否一致。

4.根据权利要求1所述的图像处理方法，其特征在于，所述获取待分类的人脸图像的步骤，之后还包括下述步骤：

将所述人脸图像输入到所述卷积神经网络模型中，所述卷积神经网络模型对所述人脸图像的图像特征进行提取形成所述待分类数据；

将所述待分类数据进行系数松弛化处理，当所述经系数松弛化处理的待分类数据大于预设的分类阈值时，对所述待分类数据进行分类。

5.根据权利要求1～4任意一项所述的人脸图像处理方法，其特征在于，所述人脸图像进行内容理解包括：对人脸图像进行性别识别、年龄判断、颜值打分或人脸相似度比对。