[发明专利]图像处理方法及相关设备

权利要求书

1.一种图像处理方法，其特征在于，包括：

迭代执行第一人脸识别模型的训练流程，直至所述第一人脸识别模型对应的损失满足第一预设条件，损失满足所述第一预设条件时的所述第一人脸识别模型用于进行人脸识别；

所述迭代执行第一人脸识别模型的训练流程之前，还包括：

迭代执行第二人脸识别模型的训练流程，直至所述第二人脸识别模型对应的损失满足第二预设条件，以得到所述第一人脸识别模型；

其中，所述第二人脸识别模型的训练流程包括：

根据所述第二人脸识别模型对应的损失调整所述第二人脸识别模型；

通过调整后的所述第二人脸识别模型，从预先选取得到的多张第二样本图像中，提取所述多张第二样本图像各自对应的特征数据，以得到多项第二样本图像的特征数据，其中，所述多张第二样本图像包括标准图像和非标准图像，所述多张第二样本图像为从第二样本图像集中选取的，所述第二样本图像集中第二样本图像的张数大于预设张数；

将第四特征数据与第五特征数据进行组合，以得到所述第四特征数据对应的多个第三数据对，所述第四特征数据为所述多张第二样本图像中的第二目标标准图像对应的特征数据，所述第五特征数据为所述多张第二样本图像中的第二目标非标准图像对应的特征数据，所述第二目标标准图像与所述第二目标非标准图像为同一人的样本图像，所述第二目标标准图像为所述多张第二样本图像中的任一标准图像；

将所述第四特征数据与第六特征数据进行组合，以得到所述第四特征数据对应多个第四数据对，所述第六特征数据为所述多张第二样本图像中的第二目标样本图像对应的特征数据，所述第二目标样本图像与所述第二目标标准图像为不同人的样本图像；

根据所述多项第二样本图像的特征数据中各第四特征数据对应的多个第三数据对的相似性距离和多个第四数据对的相似性距离，确定所述第二人脸识别模型对应的损失；

其中，所述第一人脸识别模型的训练流程包括：

根据所述第一人脸识别模型对应的损失调整所述第一人脸识别模型；

通过调整后的所述第一人脸识别模型从预先选取得到的多张第一样本图像中，提取所述多张第一样本图像各自对应的特征数据，以得到多项第一样本图像的特征数据，其中，所述多张第一样本图像包括预设的标准图像和预设的非标准图像；所述标准图像为预设的角度和场景的人脸图像，所述非标准图像不为所述预设的角度和场景的人脸图像；所述多张第一样本图像为从第一样本图像集中选取的，所述第一样本图像集中非标准图像的种类个数大于预设个数；

将第一特征数据与第二特征数据进行组合，以得到所述第一特征数据对应的多个第一数据对，所述第一特征数据为所述多张第一样本图像中的第一目标标准图像对应的特征数据，所述第二特征数据为所述多张第一样本图像中的第一目标非标准图像对应的特征数据，所述第一目标标准图像与所述第一目标非标准图像为同一人的样本图像，所述第一目标标准图像为所述多张第一样本图像中的任一标准图像；

将所述第一特征数据与第三特征数据进行组合，以得到所述第一特征数据对应多个第二数据对，所述第三特征数据为所述多张第一样本图像中的第一目标样本图像对应的特征数据，所述第一目标样本图像与所述第一目标标准图像为不同人的样本图像；

根据所述多项第一样本图像的特征数据中各第一特征数据对应的多个第一数据对的相似性距离和多个第二数据对的相似性距离，确定所述第一人脸识别模型对应的损失。

2.根据权利要求1所述的方法，其特征在于，所述第一预设条件为：所述第一人脸识别模型对应的损失小于预设损失。

3.根据权利要求2所述的方法，其特征在于，所述第一人脸识别模型对应的损失L为：

L＝L1+(T-L2)

其中，L1为所述多项第一样本图像的特征数据中各第一特征数据对应的多个第一数据对的平方损失的平均值，L2为所述多项第一样本图像的特征数据中各第一特征数据对应的多个第二数据对的平方损失的平均值，T为预设距离值。