[发明专利]亲属识别网络模型的训练方法及装置

权利要求书

1.一种亲属识别网络模型的训练方法，其特征在于，所述方法包括：

获取人脸识别网络模型，所述人脸识别网络模型用于对人脸图像进行身份识别；

将多个预设人脸图像集包括的预设人脸图像输入所述人脸识别网络模型，所述多个预设人脸图像集包括具有亲属关系的预设人脸图像集和具有非亲属关系的预设人脸图像集；

通过指定三重损失函数根据第一特征距离与第二特征距离之间的差异值，对所述人脸识别网络模型中的参数进行调整，所述指定三重损失函数为光滑的凸函数，所述第一特征距离为具有亲属关系的预设人脸图像的人脸图像特征之间的距离，所述第二特征距离为具有非亲属关系的预设人脸图像的人脸图像特征之间的距离；

将参数调整完成后的所述人脸识别网络模型确定为亲属识别网络模型，所述亲属识别网络模型用于对人脸图像进行亲属关系识别；

其中，所述指定三重损失函数为：

l＝Ex_iψ_β(φ_i⁺·φ_i^_·e^c)；

其中，

其中，所述l为所述指定三重损失函数，所述x_i、所述x_j、所述x_k均为人脸图像，所述x_j～x_i代表所述x_j与所述x_i之间具有亲属关系，所述x_k^x_i代表所述x_k与所述x_i之间具有非亲属关系，所述E为期望，所述e为自然常数，所述c为预设参数，所述d为人脸图像特征之间的距离，所述N_i⁺为与所述x_i具有亲属关系的所述x_j的数量，N_i^-为与所述x_i具有非亲属关系的所述x_k的数量，所述ψ_β()为单调递增的凸函数且函数值在预设区间内。

2.如权利要求1所述的方法，其特征在于，所述将参数调整完成后的所述人脸识别网络模型确定为亲属识别网络模型之后，还包括：

获取待识别亲属关系的两个目标人脸图像；

通过所述亲属识别网络模型识别所述两个目标人脸图像之间的亲属关系。

3.如权利要求1所述的方法，其特征在于，所述将多个预设人脸图像集包括的预设人脸图像输入所述人脸识别网络模型，包括：

对于所述多个预设人脸图像集中的任一预设人脸图像集A，从所述预设人脸图像集A中选择出一个预设人脸图像，对选择出的预设人脸图像执行以下处理，直至处理完所述预设人脸图像集A包括的每个预设人脸图像为止：

从所述多个预设人脸图像集中确定与所述预设人脸图像集A具有亲属关系的第一预设人脸图像集，并从所述多个预设人脸图像集中确定与所述预设人脸图像集A具有非亲属关系的第二预设人脸图像集；

将选择出的预设人脸图像、所述第一预设人脸图像集包括的预设人脸图像和所述第二预设人脸图像集包括的预设人脸图像输入所述人脸识别网络模型。

4.如权利要求1-3任一所述的方法，其特征在于，所述将多个预设人脸图像集包括的预设人脸图像输入所述人脸识别网络模型之前，还包括：

获取多个人脸图像集，所述多个人脸图像集中的每个人脸图像集包括的所有人脸图像的身份相同；

从所述多个人脸图像集中确定人脸图像数量最多的第一人脸图像集；

根据所述第一人脸图像集的人脸图像数量，确定目标数量，所述目标数量大于或等于所述第一人脸图像集的人脸图像数量；

对所述多个人脸图像集中的每个人脸图像集进行增广处理，直至所述每个人脸图像集的人脸图像数量达到所述目标数量；

将增广处理后的所述多个人脸图像集确定为所述多个预设人脸图像集。