[发明专利]人脸识别方法及相关装置

说明书

本申请实施例公开了一种人脸识别方法及相关装置，应用于电子设备，电子设备中预先配置人脸识别模型，人脸识别模型包括第一神经网络模型和第二神经网络模型，第二神经网络模型包括第一分支网络模型和第二分支网络模型，方法包括：获取目标图像；将目标图像输入到第一神经网络模型，得到目标特征集，第一神经网络模型用于实现特征提取；将目标特征集输入到第一分支网络模型，得到第一识别结果，同时，将目标特征集输入到第二分支网络模型，得到第二识别结果，第一分支网络模型用于实现人脸身份特征识别，第二分支网络模型用于实现面部属性识别；依据第一识别结果和第二识别结果进行整合，得到目标识别结果。采用本申请实施例可提升人脸识别精度。

技术领域

本申请涉及机器学习技术领域，具体涉及一种人脸识别方法及相关装置。

背景技术

在人脸验证任务中，人脸识别技术仍是一项具有挑战性的课题。一些使用面部特征的方法也很多，例如在消除人脸图像的年龄变化中利用一个包含两个潜在因素的概率模型将年龄与人脸特征分离开来，或者通过学习潜在特征和CNN参数来提取年龄不变的深层人脸特征等。卷积神经网络(CNNs)在生物和计算机视觉应用方面取得了重要进展，例如人脸图像检索和属性预测以及机器学习在GAN和半监督学习中的应用。尽管有了这些改进，但是创建一个深层次的体系结构来同时学习几个任务，同时通过共享学习参数来提高它们的准确性仍然是一个不得忽视的问题。基于CNN体系结构提高例如面部特征的特权数据(辅助数据)来识别人脸图像是一项昂贵且繁琐的任务；或者在测试阶段特权数据是不可用的。尽管使用辅助数据存在优势，但这些问题降低了多模态模型在人脸识别中的普及与易用性，即无法精准进行人脸识别。

发明内容

本申请实施例提供了一种人脸识别方法及相关装置，可以提升人脸识别精度。

第一方面，本申请实施例提供一种人脸识别方法，应用于电子设备，所述电子设备中预先配置人脸识别模型，所述人脸识别模型包括第一神经网络模型和第二神经网络模型，所述第二神经网络模型包括第一分支网络模型和第二分支网络模型，所述方法包括：

获取目标图像；

将所述目标图像输入到所述第一神经网络模型，得到目标特征集，所述第一神经网络模型用于实现特征提取；

将所述目标特征集输入到所述第一分支网络模型，得到第一识别结果，同时，将所述目标特征集输入到所述第二分支网络模型，得到第二识别结果，所述第一分支网络模型用于实现人脸身份特征识别，所述第二分支网络模型用于实现面部属性识别；

依据所述第一识别结果和所述第二识别结果进行整合，得到目标识别结果。

第二方面，本申请实施例提供了一种人脸识别装置，应用于电子设备，所述电子设备中预先配置人脸识别模型，所述人脸识别模型包括第一神经网络模型和第二神经网络模型，所述第二神经网络模型包括第一分支网络模型和第二分支网络模型，所述装置包括：

获取单元，用于获取目标图像；

特征提取单元，用于将所述目标图像输入到所述第一神经网络模型，得到目标特征集，所述第一神经网络模型用于实现特征提取；

识别单元，用于将所述目标特征集输入到所述第一分支网络模型，得到第一识别结果，同时，将所述目标特征集输入到所述第二分支网络模型，得到第二识别结果，所述第一分支网络模型用于实现人脸身份特征识别，所述第二分支网络模型用于实现面部属性识别；

整合单元，用于依据所述第一识别结果和所述第二识别结果进行整合，得到目标识别结果。

第三方面，本申请实施例提供一种电子设备，包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行本申请实施例第一方面中的步骤的指令。