[发明专利]一种人脸识别的方法及系统

权利要求书

1.一种人脸识别的方法，其特征在于，包括如下步骤：

获取人脸图像数据集；

获取所述人脸图像数据集中人脸的性别、身份信息及人脸分类信息；

同时利用所述人脸的性别、身份信息及人脸分类信息对神经网络模型进行训练，获取人脸识别模型；

获取待识别人脸图像；

基于所述人脸识别模型预测待识别人脸图像性别概率分布，所述人脸性别概率分布包括第一性别概率分布的和预设人脸图像的第二性别概率分布；

基于所述人脸识别模型提取人脸分类特征，所述人脸分类特征包括待识别人脸图像的第一人脸分类特征和预设人脸图像的第二人脸分类特征；

基于所述人脸性别概率分布和所述人脸分类特征计算所述待识别人脸图像与预设人脸图像相似度，所述待识别人脸图像与预设人脸图像相似度的计算公式如下：

式中，β表示人脸特征相似度的权重，1-β表示人脸性别相似度的权重，f_1i表示待识别人脸图像分类特征，f_2i表示预设人脸图像分类特征，p_1j表示待识别人脸性别的概率分布，p_2j表示预设人脸的人脸性别属性概率分布。

2.根据权利要求1所述的人脸识别的方法，其特征在于，所述同时利用所述人脸的性别、身份信息及人脸分类信息对神经网络模型进行训练，获取人脸识别模型的步骤，包括：

基于联合训练损失函数利用所述人脸的性别、身份信息及人脸分类信息对神经网路模型进行训练，所述联合训练损失函数为具有第一权重的人脸分类损失函数与具有第二权重的人脸性别损失函数的联合。

3.根据权利要求2所述的人脸识别的方法，其特征在于，所述联合训练损失函数的公式计算如下：

Loss＝αLoss_face+(1-α)Loss_gender，

式中，Loss表示联合训练损失函数，Loss_face表示人脸分类损失函数，Loss_gender表示人脸性别损失函数，α为第一权重，1-α为第二权重。

4.根据权利要求3所述的人脸识别的方法，其特征在于，所述人脸分类损失函数通过以下公式计算：

其中，

式中，n表示训练样本的数量，i表示第i个样本，yface_i表示第i个训练样本的人脸分类标签，m表示用于训练的调整特征间的距离，s表示缩放因子，表示第i个训练样本提取的特征和聚类中心特征的角度距离，表示最后一层全连接层和人脸分类损失函数层的权重，f_i表示最后一层全连接层提取的特征。

5.根据权利要求4所述的人脸识别的方法，其特征在于，所述人脸性别损失函数通过以下公式计算：

其中，n表示训练样本的数量，i表示第i个样本，ygender_i表示第i个训练样本的人脸性别标签，ygender_i'表示第i个训练样本的人脸性别预测结果。