[发明专利]人脸识别方法、装置、设备及存储介质

权利要求书

1.一种人脸识别方法，其特征在于，所述方法包括：

基于第一人脸识别模型，获取多个图像样本的图像特征，所述图像样本的图像特征包括图像生物特征和图像质量特征；

基于所述多个图像样本的图像质量特征以及预设的第一质量类别，训练得到图像质量分类模型；

将所述多个图像样本的图像质量特征调整为与所述第一质量类别不同的第二质量类别；

对所述第一人脸识别模型进行迭代训练，基于每次训练后的第一人脸识别模型对所述多个图像样本重新进行特征提取，将获取到的图像质量特征输入所述图像质量分类模型，重复上述训练和特征提取的过程，直至所述图像质量分类模型的损失值满足目标条件，将本次训练得到的第一人脸识别模型作为第二人脸识别模型输出，所述目标条件包括对应的所述损失值在目标时长内不发生改变；

基于所述第二人脸识别模型对图像进行人脸识别。

2.根据权利要求1所述的方法，其特征在于，所述第一人脸识别模型包括多个图像特征提取网络层，所述基于第一人脸识别模型，获取多个图像样本的图像特征，包括：

将所述第一人脸识别模型中倒数第二个图像特征提取网络层的输出作为所述图像样本的图像特征。

3.根据权利要求1所述的方法，其特征在于，所述对所述第一人脸识别模型进行迭代训练，基于每次训练后的第一人脸识别模型对所述多个图像样本重新进行特征提取，将获取到的图像质量特征输入所述图像质量分类模型之前，所述方法还包括：

获取多个测试图像样本，对所述图像质量分类模型的识别准确率进行验证；

根据验证结果，对所述图像质量分类模型的模型参数进行调整，得到满足识别准确率要求的所述图像质量分类模型。

4.根据权利要求1所述的方法，其特征在于，所述第一人脸识别模型和所述图像质量分类模型采用resnet神经网络模型。

5.一种人脸识别装置，其特征在于，所述装置包括：

获取模块，被配置为执行基于第一人脸识别模型，获取多个图像样本的图像特征，所述图像样本的图像特征包括图像生物特征和图像质量特征；

训练模块，被配置为执行基于所述多个图像样本的图像质量特征以及预设的第一质量类别，训练得到图像质量分类模型；

调整模块，被配置为执行将所述多个图像样本的图像质量特征调整为与所述第一质量类别不同的第二质量类别；

处理模块，被配置为执行对所述第一人脸识别模型进行迭代训练，基于每次训练后的第一人脸识别模型对所述多个图像样本重新进行特征提取，将获取到的图像质量特征输入所述图像质量分类模型，重复上述训练和特征提取的过程，直至所述图像质量分类模型的损失值满足目标条件，将本次训练得到的第一人脸识别模型作为第二人脸识别模型输出，所述目标条件包括对应的所述损失值在目标时长内不发生改变；

识别模块，被配置为执行基于所述第二人脸识别模型对图像进行人脸识别。

6.根据权利要求5所述的装置，其特征在于，所述第一人脸识别模型包括多个图像特征提取网络层，所述获取模块，被配置为执行将所述第一人脸识别模型中倒数第二个图像特征提取网络层的输出作为所述图像样本的图像特征。

7.根据权利要求5所述的装置，其特征在于，所述处理模块，包括：确定所述图像质量分类模型的损失值满足所述目标条件的时间；当所述时间满足目标时间时，将本次训练得到的第一人脸识别模型作为第二人脸识别模型输出。

8.根据权利要求5-7任一所述的装置，其特征在于，所述处理模块，还被配置为执行获取多个测试图像样本，对所述图像质量分类模型的识别准确率进行验证；根据验证结果，对所述图像质量分类模型的模型参数进行调整，得到满足识别准确率要求的所述图像质量分类模型。

9.根据权利要求5所述的装置，其特征在于，所述第一人脸识别模型和所述图像质量分类模型采用resnet神经网络模型。