[发明专利]人脸姿态的识别方法、装置和电子设备

权利要求书

1.一种人脸姿态的识别方法，其特征在于，包括：

获取人脸图像；

将获取的人脸图像输入人脸姿态分类模型；所述人脸姿态分类模型，在训练过程中将人脸图像样本的姿态分类计算结果和已有的姿态分类标记进行对比，按照预先设置的错误类型将对比结果进行分类，并为各错误类型设置权值；所述权值用于在人脸姿态分类模型的训练过程中调整各错误类型的损失函数值；

从人脸姿态分类模型确定输入的人脸图像的人脸姿态类型；所述人脸姿态类型依据人脸姿态的角度值划分，每个所述人脸姿态类型包含预设的第一角度范围；

将确定的人脸姿态类型作为人脸姿态识别的结果输出。

2.根据权利要求1所述的方法，其特征在于，对所述人脸姿态分类模型进行训练的步骤包括：

获取人脸图像样本集，针对所述人脸图像样本集中的每个人脸图像样本，对该人脸图像样本做出所述姿态分类标记；所述姿态分类标记包括：标记人脸姿态类型和标记样本属性；

将该人脸图像样本输入当前人脸姿态分类模型中，获得该人脸图像样本的所述姿态分类计算结果；所述姿态分类计算结果包括：通过人脸姿态分类模型进行计算得到的该人脸图像样本的人脸姿态类型，作为计算人脸姿态类型，以及该人脸图像样本属于每个人脸姿态类型的概率；

根据所述姿态分类标记和所述姿态分类计算结果，确定每个人脸图像样本的损失函数值和每个人脸图像样本的所述错误类型；

针对每个人脸图像样本，根据该人脸图像样本的损失函数值，和基于所述错误类型确定的该人脸图像样本的损失函数的权值，确定所述当前人脸姿态分类模型的总体损失函数值，作为第一总损失；

根据所述第一总损失，更新所述人脸姿态分类模型。

3.根据权利要求2所述的方法，其特征在于，所述对所述人脸图像样本集中的每个人脸姿态做出所述姿态分类标记的步骤，包括：

针对所述人脸图像样本集中的每个人脸图像样本，对该人脸图像样本的人脸姿态类型做出标记，作为标记人脸姿态类型；

根据该人脸图像样本中人脸姿态的角度值，对该人脸图像样本的样本属性做出标记，作为标记样本属性；其中，所述标记样本属性包括边界样本和非边界样本；所述边界样本的角度范围以第一角度范围的上边界或下边界的角度值为中心，以预设的第二角度范围为大小。

4.根据权利要求3所述的方法，其特征在于，根据所述姿态分类标记和所述姿态分类计算结果，确定每个人脸图像样本的所述错误类型的步骤，包括：

针对每个人脸图像样本，判断该人脸图像样本所述计算人脸姿态类型和所述标记人脸姿态类型是否相同；

在所述计算人脸姿态类型和所述标记人脸姿态类型不相同的情况下，判断所述计算人脸姿态类型的角度范围和所述标记人脸姿态类型的角度范围是否相邻；

如果所述计算人脸姿态类型和所述标记人脸姿态类型的角度范围不相邻，则将该人脸图像样本的所述错误类型记为跨类别错误；

在所述计算人脸姿态类型和所述标记人脸姿态类型的角度范围相邻的情况下，判断该人脸图像样本的标记样本属性；

如果所述标记样本属性为边界样本，则将该人脸图像样本的所述错误类型记为边界错误。

5.根据权利要求4所述的方法，其特征在于，所述基于所述错误类型确定的该人脸图像样本的损失函数的权值的步骤还包括：

如果该人脸图像样本的所述错误类型为跨类别错误，则该人脸图像样本的损失函数的权值大于1；

如果该人脸图像样本的所述错误类型为边界错误，则该人脸图像样本的损失函数的权值小于1。

6.根据权利要求5所述的方法，其特征在于，如果该人脸图像样本的所述错误类型为边界错误，所述基于所述错误类型确定的该人脸图像样本的损失函数的权值的步骤还包括：

根据姿态分类计算结果，确定该人脸图像样本属于计算人脸姿态类型的概率和属于标记人脸姿态类型的概率之间的差值；

如果所述差值小于预设的差值阈值，则该人脸图像样本的损失函数的权值为0。