[发明专利]一种低分辨率人脸图像识别方法、装置、电子设备及存储介质

权利要求书

1.一种低分辨率人脸图像识别方法，其特征在于，包括：

建立训练后的模型；

基于待测试人脸低分辨率图像，利用所述训练后的模型，得到第一深度局部特征表示；

基于L张人脸高分辨率图像，利用所述训练后的模型，对应得到L个第二深度局部特征表示；

根据所述第一深度局部特征表示和L个所述第二深度局部特征表示，对所述待测试人脸低分辨率图像进行人脸识别。

2.根据权利要求1所述的识别方法，其特征在于，建立训练后的模型，包括：

获取M张人脸低分辨率训练图像和M张人脸高分辨率训练图像，其中，M为大于零的正整数；

将每张所述人脸低分辨率训练图像划分为若干大小相同的第一图像块，得到第一图像块集；

将每张所述人脸高分辨率训练图像划分为若干大小相同的第二图像块，得到第二图像块集；

利用所述第一图像块集和所述第二图像块集训练初始模型，得到所述训练后的模型。

3.根据权利要求2所述的识别方法，其特征在于，利用所述第一图像块集和所述第二图像块集训练初始模型，得到所述训练后的模型，包括：

将所述第一图像块集和所述第二图像块集输入至初始模型中，利用随机梯度下降算法处理所述初始模型，以使所述跨模态损失函数最小；

根据最小的所述跨模态损失函数，得到所述训练后的模型。

4.根据权利要求3所述的识别方法，其特征在于，所述跨模态损失函数为：

其中，L为跨模态损失函数，y_i表示第i个第一图像块，x_i表示与y_i来自同一个人的相同位置的第i个第二图像块，x_j表示第j个第二图像块，且j≠i，f(y_i)表示第一图像块y_i的深度局部特征表示，[·]₊表示当[·]₊大于零时取计算值，而当[·]₊小于或等于零时取值为零，f_r(y_i)表示f(y_i)的第r维元素，表示所有第一图像块的深度局部特征表示的平均值，λ取值为0.0001。

5.根据权利要求1所述的识别方法，其特征在于，基于待测试人脸低分辨率图像，利用所述训练后的模型，得到第一深度局部特征表示，包括：

将所述待测试人脸低分辨率图像划分为若干大小相同的第三图像块；

基于所述第三图像块，根据训练后的模型，得到所述第三图像块的深度局部特征表示；

将所有所述第三图像块的深度局部特征表示按照顺序进行拼接处理，得到所述第一深度局部特征表示。

6.根据权利要求1所述的识别方法，其特征在于，基于L张人脸高分辨率图像，利用所述训练后的模型，对应得到L个第二深度局部特征表示，包括：

将每张所述人脸高分辨率图像划分为若干大小相同的第四图像块；

基于所述第四图像块，根据训练后的模型，得到所述第四图像块的深度局部特征表示；

将每张所述人脸高分辨率图像的所有所述第四图像块的深度局部特征表示按照顺序进行拼接处理，对应得到每张所述人脸高分辨率图像的第二深度局部特征表示。

7.根据权利要求1所述的识别方法，其特征在于，根据所述第一深度局部特征表示和L个所述第二深度局部特征表示，对所述待测试人脸低分辨率图像进行人脸识别，包括：

计算所述第一深度局部特征表示和每个所述第二深度局部特征表示的欧式距离，选取最小的欧式距离，完成对所述待测试人脸低分辨率图像的识别。