[发明专利]基于多任务的人脸识别方法、装置、服务器和可读存储介质

说明书

本发明实施例涉及图像处理与计算机视觉，公开了一种基于多任务的人脸识别方法、装置、服务器和可读存储介质。该方法首先构建人脸识别模型，人脸识别模型包括人脸属性识别多任务模块，人脸属性识别多任务模块包括至少两个子任务模块；对多任务模块中的每个子任务模块进行全局训练；对经过全局训练后的多任务模块中的至少一个子任务模块进行初次微调，使初次微调后的每个子任务模块更精确；利用微调后的多任务模块对待识别人脸候选区域进行人脸属性识别，有效提高人脸属性识别精度。

技术领域

本发明实施例涉及图像处理与计算机视觉技术领域，特别涉及基于多任务的人脸识别方法、装置、服务器和可读存储介质。

背景技术

人脸属性指的是根据给定的人脸判断其性别、年龄和表情等。目前基本的实现方法有两种，一种是传统的方法：首先对检测到的人脸区域提取HOG/LBP/Gabor等特征，再使用SVM进行分类或者SVR进行回归的训练。另外一种是深度学习的方法，有两种实现实施例，一种是针对人脸的每个属性，分别使用CNN提取特征，最后使用softmax进行分类，即单标签的方式；另外一种是所有的属性使用一个CNN进行人脸特征的提取，最后根据不同的任务设置不同的loss进行属性分析，或者使用svm进行分类，即多标签的方式。

发明人发现现有技术中至少存在如下问题：无论是传统方法还是深度学习方法识别精度都有待提高。

发明内容

本发明实施方式的目的在于提供一种基于多任务的人脸识别方法、装置、服务器和可读存储介质，使得人脸属性识别精度被有效提高。

为解决上述技术问题，本发明的实施方式提供了一种基于多任务的人脸识别方法，包括以下步骤：

构建人脸识别模型，所述人脸识别模型包括人脸属性识别多任务模块，所述人脸属性识别多任务模块包括至少两个子任务模块；

对所述多任务模块中的每个子任务模块进行全局训练；

对经过全局训练后的所述多任务模块中的至少一个子任务模块进行微调，使微调后的每个子任务模块更精确；

利用微调后的所述多任务模块对待识别人脸候选区域进行人脸属性识别。

本发明的实施方式还提供了一种基于多任务的人脸识别装置，包括：

模型构建单元，用于构建人脸识别模型，所述人脸识别模型包括人脸属性识别多任务模块，所述人脸属性识别多任务模块包括至少两个子任务模块；

全局训练单元，用于对所述多任务模块中的每个子任务模块进行全局训练；

微调单元，用于对经过全局训练后的所述多任务模块中的至少一个子任务模块进行初次微调，使初次微调后的每个子任务模块更精确；

人脸识别单元，利用微调后的所述多任务模块对待识别人脸候选区域进行人脸属性识别。

本发明实施方式相对于现有技术而言，首先构建人脸识别模型，人脸识别模型包括人脸属性识别多任务模块，人脸属性识别多任务模块包括至少两个子任务模块；在对多任务模块中的每个子任务模块进行全局训练之后；再对经过全局训练后的多任务模块中的至少一个子任务模块进行初次微调，使初次微调后的每个子任务模块更精确；利用微调后的多任务模块对待识别人脸候选区域进行人脸属性识别，采用先全局训练、再各个子任务分别微调的方式进行模型的训练，针对性的提高各个子任务的识别精度，解决多任务模型中各个子任务精度干扰的问题，提高多任务识别精度，进而有效提高人脸属性识别精度。

另外，进一步可选的，所述人脸识别模型还包括人脸区域提取模块，在所述利用微调后的所述多任务模块对待处理人脸候选区域进行人脸属性识别之前，所述方法还包括：

利用所述人脸区域提取模块从待处理人脸图像中提取所述待识别人脸候选区域。