[发明专利]一种人脸属性识别方法和装置

权利要求书

1.一种人脸属性识别方法，其特征在于，所述方法包括：

对待识别的目标图像进行人脸关键点检测，得到所述目标图像中的人脸关键点信息，作为第一人脸关键点信息；

对所述第一人脸关键点信息进行特征提取，得到第一人脸关键点特征，并对所述目标图像进行特征提取，得到第一原始图像特征；

对所述第一人脸关键点特征和所述第一原始图像特征进行特征融合，得到目标特征；

基于所述目标特征和预先训练的分类模型，确定所述目标图像中的人脸属性类别。

2.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关键点特征和所述第一原始图像特征进行特征融合，得到目标特征，包括：

将用于表示所述第一人脸关键点特征的特征向量，和用于表示所述第一原始图像特征的特征向量相加，得到目标特征；或者，

将用于表示所述第一人脸关键点特征的特征向量，和用于表示所述第一原始图像特征的特征向量级联，得到目标特征。

3.根据权利要求1所述的方法，其特征在于，所述基于所述目标特征和预先训练的分类模型，确定所述目标图像中的人脸属性类别，包括：

将所述目标特征输入至预先训练的分类模型，得到预设各属性类别对应的概率；

将概率大于预设概率阈值的属性类别，作为所述目标图像的人脸属性类别。

4.根据权利要求1所述的方法，其特征在于，在所述基于所述目标特征和预先训练的分类模型，确定所述目标图像中的人脸属性类别之前，所述方法还包括：

对样本图像进行人脸关键点检测，得到所述样本图像中的人脸关键点信息，作为第二人脸关键点信息；

对所述第二人脸关键点信息进行特征提取，得到第二人脸关键点特征，并对所述样本图像进行特征提取，得到第二原始图像特征；

将对所述第二人脸关键点特征和所述第二原始图像特征进行特征融合的结果，输入至预设结构的分类模型；

基于所述分类模型的输出结果与所述样本图像属于预设各属性类别的概率的损失函数，对所述分类模型的模型参数进行调整，直至所述分类模型达到预设收敛条件。

5.一种人脸属性识别装置，其特征在于，所述装置包括：

关键点检测模块，用于对待识别的目标图像进行人脸关键点检测，得到所述目标图像中的人脸关键点信息，作为第一人脸关键点信息；

特征提取模块，用于对所述第一人脸关键点信息进行特征提取，得到第一人脸关键点特征，并对所述目标图像进行特征提取，得到第一原始图像特征；

特征融合模块，用于对所述第一人脸关键点特征和所述第一原始图像特征进行特征融合，得到目标特征；

确定模块，用于基于所述目标特征和预先训练的分类模型，确定所述目标图像中的人脸属性类别。

6.根据权利要求5所述的装置，其特征在于，所述特征融合模块，具体用于将用于表示所述第一人脸关键点特征的特征向量，和用于表示所述第一原始图像特征的特征向量相加，得到目标特征；或者，

将用于表示所述第一人脸关键点特征的特征向量，和用于表示所述第一原始图像特征的特征向量级联，得到目标特征。

7.根据权利要求5所述的装置，其特征在于，所述确定模块，具体用于将所述目标特征输入至预先训练的分类模型，得到预设各属性类别对应的概率；

将概率大于预设概率阈值的属性类别，作为所述目标图像的人脸属性类别。

8.根据权利要求5所述的装置，其特征在于，所述装置还包括：

训练模块，用于对样本图像进行人脸关键点检测，得到所述样本图像中的人脸关键点信息，作为第二人脸关键点信息；

对所述第二人脸关键点信息进行特征提取，得到第二人脸关键点特征，并对所述样本图像进行特征提取，得到第二原始图像特征；

将对所述第二人脸关键点特征和所述第二原始图像特征进行特征融合的结果，输入至预设结构的分类模型；

基于所述分类模型的输出结果与所述样本图像属于预设各属性类别的概率的损失函数，对所述分类模型的模型参数进行调整，直至所述分类模型达到预设收敛条件。