[发明专利]一种面部识别方法、面部识别装置及可读存储介质

权利要求书

1.一种面部识别方法，其特征在于，所述面部识别方法包括：

获取多个样本人物图像，以及每个所述样本人物图像中人物面部是否佩戴面部遮挡物的样本类别标签；

针对每个所述样本人物图像，确定出所述样本人物图像的多个参考人物图像，其中，所述样本人物图像和对应的多个参考人物图像中任意两个图像的人物面部在图像中所占的尺寸比例不同；

基于所述多个样本人物图像、与每个所述样本人物图像对应的多个参考人物图像、每个所述样本人物图像的样本类别标签，对构建的深度卷积神经网络进行训练，得到训练好的面部识别模型；

将采集到的待识别人物图像输入至所述面部识别模型，得到所述待识别人物图像的面部遮挡物识别结果。

2.根据权利要求1所述的面部识别方法，其特征在于，所述针对每个所述样本人物图像，确定出每个样本人物图像的多个参考人物图像，其中，所述样本人物图像和对应的多个参考人物图像中任意两个图像的人物面部在图像中所占的尺寸比例不同，包括：

针对于每个所述样本人物图像，确定出所述样本人物图像中人物面部的面部位置区域；

基于所述面部位置区域，确定所述样本人物图像的多个参考人物图像，其中，所述样本人物图像和对应的多个参考人物图像中任意两个图像的人物面部在图像中所占的尺寸比例不同。

3.根据权利要求2所述的面部识别方法，其特征在于，所述基于所述面部位置区域，确定所述样本人物图像的多个参考人物图像，包括：

按照人物面部在图像中所占的预设比例，对所述样本人物图像的所述面部位置区域进行区域范围扩充，从所述样本人物图像中得到第一张参考人物图像；

将得到的参考人物图像作为样本人物图像，在该样本人物图像中按照所述预设比例对面部位置区域进行区域范围扩充，得到第二张参考人物图像，以此类推，直至得到与所述样本人物图像对应的预设数量的多个参考人物图像。

4.根据权利要求2所述的面部识别方法，其特征在于，所述基于所述面部位置区域，确定所述样本人物图像的多个参考人物图像，包括：

获取人物面部在图像中所占的多个区域比例；

依次按照每个区域比例，对所述样本人物图像中的所述面部位置区域进行区域范围扩充，得到与所述样本人物图像对应的多个参考人物图像。

5.根据权利要求1所述的面部识别方法，其特征在于，所述基于所述多个样本人物图像、与每个所述样本人物图像对应的多个参考人物图像、每个所述样本人物图像的样本类别标签，对构建的深度卷积神经网络进行训练，得到训练好的面部识别模型，包括：

将所述多个样本人物图像和与每个样本人物图像对应的多个参考人物图像输入至构建的深度卷积神经网络中，得到每个所述样本人物图像和每个所述参考人物图像的面部遮挡预测值；

基于每个所述样本人物图像和每个所述参考人物图像的面部遮挡预测值，以及每个所述样本人物图像的样本类别标签，确定所述深度卷积神经网络的网络损失值；

基于所述网络损失值，对所述深度卷积神经网络的网络参数进行调整，得到训练好的面部识别模型。

6.根据权利要求5所述的面部识别方法，其特征在于，所述基于每个所述样本人物图像和每个所述参考人物图像的面部遮挡预测值，以及每个所述样本人物图像的样本类别标签，确定所述深度卷积神经网络的网络损失值，包括：

基于每个所述样本人物图像和该样本人物图像的每个参考人物图像的面部遮挡预测值，以及每个所述样本人物图像的样本类别标签，确定每个所述样本人物图像的关联损失以及均方误差；

基于确定出的多个所述关联损失以及多个所述均方误差，确定所述深度卷积神经网络的网络损失值。