[发明专利]人脸识别模型的训练方法、人脸识别的方法和装置

说明书

本申请实施例提供了一种人脸识别模型的训练方法、人脸识别的方法和装置，包括：获得初始图像数据；提取出所述初始图像数据的中间共享层特征信息；将所述中间共享层特征信息进行兴趣区池化操作，获得池化特征图信息；当所述池化特征图信息中包含人脸数据时，针对所述池化特征图信息进行空间变换，获得变换特征图信息；提取出所述变换特征图信息中的人脸特征数据；输出所述人脸特征数据。通过端到端的训练方式，缩减人工预处理和后续处理，使模型从原始输入到最终输出，有更多自动调节的空间，增加模型的整体契合度；通过合并流程、特征共享、端到端训练等方式降低了系数数量，使模型能够移植到计算能力较弱的平台。

技术领域

本申请涉及计算机技术领域，特别是涉及一种人脸识别模型的训练方法、一种人脸识别的方法、一种人脸识别模型的训练装置及一种人脸识别的装置。

背景技术

得益于大数据和深度学习的发展，人脸识别技术已经取得了较大的进展，能在各种应用场景中都能取得较好的识别率，并且已经逐步应用于各个领域，如教育、安防等领域。

随着人脸识别技术的不断推广，其存在的问题也日益突出，如人脸模型识别较大，需要较大计算量，对设备等要求较高；并且目前人脸识别技术使用的基本流程包含人脸检测、人脸对齐、人脸规范化、人脸特征提取等，由于每个流程计算相对独立，流程较多，并且相邻的两个流程之间结果具有一定的关联性，并且前一流程的效果直接影响后续流程的效果，对每个流程的鲁棒性要求较高。

发明内容

鉴于上述问题，提出了本申请实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种人脸识别模型的训练方法、一种人脸识别的方法、一种人脸识别模型的训练装置及一种人脸识别的装置。

为了解决上述问题，本申请实施例公开了一种人脸识别模型的训练方法，包括：

获得初始图像数据；

提取出所述初始图像数据的中间共享层特征信息；

将所述中间共享层特征信息进行兴趣区池化操作，获得池化特征图信息；

当所述池化特征图信息中包含人脸数据时，针对所述池化特征图信息进行空间变换，获得变换特征图信息；

提取出所述变换特征图信息中的人脸特征数据；

输出所述人脸特征数据。

可选地，所述将所述中间共享层特征信息进行兴趣区池化操作，获得池化特征图信息的步骤包括：

获取到所述初始图像数据中人脸区域的候选框信息；

根据所述候选框信息在所述中间共享层特征信息裁剪得到特征区域；

将所述特征区域进行兴趣区池化操作，获得池化特征图信息。

可选地，所述池化特征图信息中的人脸数据通过以下方式确定：

将所述池化特征图信息输入至卷积层和全连接层，获得特征二维向量；

提取出所述特征二维向量中的第一分向量及第二分向量；

判断所述第一分向量对应的人脸概率数据是否大于所述第二分向量对应的背景概率数据；

当所述第一分向量对应的人脸概率数据大于所述第二分向量对应的背景概率数据时，确定所述池化特征图信息中包含人脸数据。

可选地，所述当所述池化特征图信息中包含人脸数据时，针对所述池化特征图信息进行空间变换，获得变换特征图信息的步骤包括：

当所述池化特征图信息中包含人脸数据时，获取到所述池化特征图信息对应的仿射变换参数；

采用所述仿射变换参数对所述池化特征图信息进行仿射变换，获得变换特征图信息。