[发明专利]一种针对特定人群的人脸特征获取方法及设备

权利要求书

1.一种针对特定人群的人脸特征获取方法，其特征在于，所述方法包括：

获取特定人群的面部图像集合；

基于预设的人脸特征提取神经网络，提取所述面部图像集合中各面部图像对应的人脸特征、以及与各所述人脸特征分别对应的人脸特征值；

基于预设规则，并根据各所述人脸特征值，确定各所述人脸特征的重要性；

根据各所述人脸特征的重要性，筛选出所述特定人群对应的特定人脸特征。

2.根据权利要求1所述的方法，其特征在于，所述基于预设规则，并根据各所述人脸特征值，确定各人脸特征的重要性，具体包括：

将各面部图像的人脸特征以及相应的人脸特征值作为训练集，以得到相应的多分类模型；

根据所述多分类模型，计算每个人脸特征对应的基尼系数；

根据各所述人脸特征的基尼系数，确定各所述人脸特征的重要性。

3.根据权利要求2所述的方法，其特征在于，所述多分类模型为分类树模型；

其中，所述分类树模型为随机森林模型、或极端随机树模型。

4.根据权利要求3所述的方法，其特征在于，在所述多分类模型为随机森林模型的情况下，所述得到多分类模型具体包括：

确定所述随机森林模型中决策树个数N、以及各决策树对应的样本数量M；

每次随机抽取所述特定人群的多个面部图像中的M个面部图像，重复抽取N次，以获得N个训练样本集；

根据各所述训练样本集进行训练，以得到N个决策树；

所述N个决策树组成所述随机森林模型。

5.根据权利要求3所述的方法，其特征在于，在所述多分类模型为随机森林模型的情况下，根据所述多分类模型，计算每个人脸特征对应的基尼系数，具体包括：

确定各决策树分别相应的总类别数目K、以及所述决策树中各节点在第k个类别中所占的比例p_ik；

根据所述总类别数目K、以及所述节点在第k个类别中所占的比例p_ik，确定所述节点对应的基尼系数；

根据所述节点对应的基尼系数，确定所述节点对应的人脸特征的基尼系数。

6.根据权利要求5所述的方法，其特征在于，所述根据每个人脸特征的基尼系数，确定各所述人脸特征的重要性，具体包括：

确定每个人脸特征在所述随机森林模型中对应的至少一个第一节点；

在每个所述第一节点对应的决策树中，确定与所述第一节点对应的第二节点以及第三节点；

根据所述第一节点的基尼系数、与所述第一节点对应的第二节点的基尼数据以及第三节点的基尼系数，确定每个所述第一节点在对应的决策树中的重要性；

根据每个第一节点在对应的决策树中的重要性，确定各人脸特征的重要性；

其中，所述第二节点为所述第一节点在对应的决策树中分叉后的左节点，所述第三节点为所述第一节点在对应的决策树中分叉后的右节点。

7.根据权利要求4所述的方法，其特征在于，所述方法还包括：

确定多个面部图像对应的标签，所述标签用于表示所述面部图像对应的身份标识；

其中，一个标签至少对应一个所述面部图像。

8.根据权利要求7所述的方法，其特征在于，所述根据各所述训练样本集进行训练，以得到N个决策树，具体包括：

根据各所述训练样本集进行训练，以得到N个待定决策树；

根据各训练样本集中的各面部图像的标签，确定各待定决策树是否符合预设条件；

在各所述待定决策树符合预设条件的情况下，确定N个待定决策树为N个决策树。

9.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述筛选出特定人群的特定人脸特征，生成针对所述特定人群的人脸识别神经网络。

10.一种针对特定人群的人脸特征获取设备，其特征在于，所述设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；

其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

获取特定人群的面部图像集合；

基于预设的人脸特征提取模型，提取所述面部图像集合中各面部图像对应的人脸特征、以及与各所述人脸特征分别对应的人脸特征值；

基于预设规则，并根据各所述人脸特征值，确定各所述人脸特征的重要性；

根据各所述人脸特征的重要性，筛选出所述特定人群对应的特定人脸特征。