[发明专利]基于注意力机制和残差网络的抗眼镜遮挡人脸识别方法

权利要求书

1.基于注意力机制和残差网络的抗眼镜遮挡人脸识别方法，其特征在于，包括：

获取待识别图像；

根据MTCNN人脸检测方法从待识别图像中检测出人脸图像；

对所述人脸图像进行预处理，得到预处理后的图像；

将所述预处理后的图像输入辅助属性网络进行判断，判断出人脸图像上是否有戴眼镜的特征；

将判断后的图像输入到训练好的注意力及残差网络中识别，所述注意力及残差网络模型包括注意力机制主干网络和残差网络，若有戴眼镜的人脸特征，则通过残差网络特征层输出识别结果，若无戴眼镜的人脸特征，则通过注意力机制主干网络特征层输出识别结果；

方法还包括训练注意力及残差网络步骤，所述注意力及残差网络的训练方法包括训练注意力机制主干网络，所述训练注意力机制主干网络的方法包括：

将未戴眼镜的人脸图像输入注意力机制主干网络，注意力机制主干网络中设有空间注意力模块；

空间注意力模块采用多层下采样和多层上采样结构，采用下采样提取图像全局特征，获取深层语义信息；采用上采样获取注意力特征图，与注意力机制主干网络局部特征图融合。

2.如权利要求1所述的基于注意力机制和残差网络的抗眼镜遮挡人脸识别方法，其特征在于，所述注意力及残差网络的训练方法包括训练残差网络，所述训练残差网络的方法包括：

将同一个人戴眼镜的人脸图像和未戴眼镜的人脸图像输入训练好的注意力机制主干网络，将得到的输出特征分别作为第一特征和第二特征，再将第一特征输入到残差网络得到第三特征，将第二特征和第三特征进行欧式距离计算得到损失函数，通过最小化训练样本得到残差人脸特征。

3.一种基于注意力机制和残差网络的抗眼镜遮挡人脸识别系统，其特征在于，包括：图像获取模块、人脸检测模块、预处理模块、属性判断模块和注意力及残差模块，其中，

所述图像获取模块用于获取待识别图像；

所述人脸检测模块用于根据MTCNN人脸检测方法从待识别图像中检测出人脸图像；

所述预处理模块用于对人脸图像进行预处理，得到预处理后的图像；

所述属性判断模块用于对预处理后的图像进行辅助属性判断，判断是否有戴眼镜的人脸特征；

所述注意力及残差模块包括注意力及残差网络，对注意力及残差网络进行训练，注意力及残差网络包括注意力机制主干网络和残差网络，采用训练好的注意力机制主干网络和残差网络对人脸图像进行识别，若有戴眼镜的人脸特征，则通过残差网络特征层输出识别结果，若无戴眼镜的人脸特征，则通过注意力机制主干网络特征层输出识别结果；

所述注意力及残差模块包括注意力机制主干网络训练单元，所述注意力机制主干网络训练单元获取输入的训练图像，训练图像为未戴眼镜的人脸图像，未戴眼镜的人脸图像通过多层下采样和多层上采样输出第一特征图，采用下采样提取图像全局特征，获取深层语义信息；采用上采样获取注意力特征图，与注意力机制主干网络局部特征图融合。

4.如权利要求3所述的基于注意力机制和残差网络的抗眼镜遮挡人脸识别系统，其特征在于，所述注意力及残差模块包括残差网络训练单元，所述残差网络训练单元将同一个人戴眼镜的人脸图像和未戴眼镜的人脸图像输入训练好的注意力机制主干网络，将得到的输出特征分别作为第一特征和第二特征，再将第一特征输入到残差网络中得到第三特征，将第二特征和第三特征进行欧式距离计算得到损失函数，通过最小化训练样本得到残差人脸特征。

5.一种智能终端，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，其特征在于，所述处理器被配置用于调用所述程序指令，执行如权利要求1-2任一项所述的方法。

6.一种计算机可读存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-2任一项所述的方法。