[发明专利]异质人脸识别模型训练方法、人脸识别方法及相关装置

权利要求书

1.一种异质人脸识别模型的训练方法，其特征在于，所述方法包括：

将可见光人脸图像和异质人脸图像联合生成可见光-异质联合图像；

通过所述可见光-异质联合图像、可见光人脸图像样本集和异质人脸图像样本集对异质人脸识别模型进行训练。

2.根据权利要求1所述的异质人脸识别模型的训练方法，其特征在于，所述将可见光人脸图像和异质人脸图像联合生成可见光-异质联合图像，包括：

利用同样的编码方法分别将可见光人脸图像和异质人脸图像编码成可见光人脸信息和异质人脸信息；

将所述可见光人脸信息和所述异质人脸信息关联，以获得关联信息；

将所述关联信息解码得到所述可见光-异质联合图像。

3.根据权利要求2所述的异质人脸识别模型的训练方法，其特征在于：所述利用同样的编码方法分别将可见光人脸图像和异质人脸图像编码成可见光人脸信息和异质人脸信息；以及将所述可见光人脸信息和所述异质人脸信息关联，以获得关联信息，包括：

通过重参数化技巧将所述可见光人脸图像和所述异质人脸图像编码成所述可见光人脸信息和所述异质人脸信息；通过变分自编码器将所述可见光人脸信息和所述异质人脸信息关联，获得所述关联信息。

4.根据权利要求3所述的异质人脸识别模型的训练方法，其特征在于，所述通过重参数化技巧将所述可见光人脸图像和所述异质人脸图像编码成所述可见光人脸信息和所述异质人脸信息，包括：

分别确定所述可见光人脸图像和所述异质人脸图像对应的分布的标准差和均值；由多变量的标准高斯分布采样得到参数；

利用所述可见光人脸图像和所述异质人脸图像各自的标准差和均值、参数得到可见光人脸信息和异质人脸信息。

5.根据权利要求2所述的异质人脸识别模型的训练方法，其特征在于，所述将所述关联信息解码得到所述可见光-异质联合图像，包括：

利用KL散度将所述关联信息中的可见光人脸信息和异质人脸信息进行交互，以得到联合信息；

将所述联合信息解码得到所述可见光-异质联合图像。

6.根据权利要求1所述的异质人脸识别模型的训练方法，其特征在于，

所述通过可见光人脸图像和异质人脸图像联合生成可见光-异质联合图像，之后包括：基于从所述可见光-异质联合图像提取到的可见光人脸数据和异质人脸数据的相似性确认所述可见光人脸图像和所述异质人脸图像对应的人员是否相同；

对应的人员相同时，执行所述通过所述可见光-异质联合图像对异质人脸识别模型进行训练。

7.根据权利要求1所述的异质人脸识别模型的训练方法，其特征在于，所述通过可见光-异质联合图像、可见光人脸图像样本集和异质人脸图像样本集对异质人脸识别模型进行训练，包括：

基于所述可见光-异质联合图像、可见光人脸图像样本集和异质人脸图像样本集使用联合损失函数对异质人脸识别模型进行训练；

其中，所述联合损失函数包括第一损失函数和第二损失函数，所述第一损失函数用于监督训练所述可见光人脸图像样本集和所述异质人脸图像样本集；所述第二损失函数用于监督训练所述可见光-异质联合图像。

8.一种人脸识别方法，其特征在于，所述方法包括：

获取异质人脸图像或可见光人脸图像；

通过异质人脸识别模型对所述异质人脸图像或所述可见光人脸图像进行识别；

其中，所述异质人脸识别模型是通过权利要求1-7中任一项所述的异质人脸识别模型的训练方法进行训练得到的。

9.一种智能装置，其特征在于，所述智能装置包括存储器和处理器；

所述存储器用于存储实现如权利要求1-7任一项所述的异质人脸识别模型的训练方法的程序指令；和/或，所述存储器用于存储实现如权利要求8所述的人脸识别方法；

所述处理器用于执行所述存储器存储的所述程序指令。

10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-8中任一项所述方法的步骤。