[发明专利]一种人脸识别方法、装置、存储介质和服务器

说明书

本申请属于人工智能技术领域，提出一种人脸识别方法、装置、存储介质和服务器。该方法包括：获取待识别的人脸图像；将所述人脸图像输入预设的人脸识别模型，得到人脸识别结果。其中，该人脸识别模型通过以下步骤预先训练获得：获取人脸样本数据集，所述人脸样本数据集包括多个正脸样本图像和多个非正脸样本图像；对各个所述非正脸样本图像分别进行人脸的关键点检测处理，得到各个所述非正脸样本图像的关键点特征；基于所述关键点特征对各个所述非正脸样本图像进行修正，得到各个所述非正脸样本图像的修正为正脸的图像；以所述多个正脸样本图像和各个所述非正脸样本图像的修正为正脸的图像作为训练集，训练得到该人脸识别模型。

技术领域

本申请属于人工智能技术领域，尤其涉及一种人脸识别方法、装置、存储介质和服务器。

背景技术

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。目前，通常采用构建人脸识别模型的方式来完成人脸识别。然而，传统的人脸识别模型的泛化能力较弱，当面对各类不同姿态下的人脸(例如不同角度、不同缩放比例或不同距离的人脸)时，所获得的人脸识别结果的准确性较低。

发明内容

有鉴于此，本申请提出一种人脸识别方法、装置、存储介质和服务器，在面对各类不同姿态的人脸时，能够提高获得的人脸识别结果的准确性。

第一方面，本申请实施例提供了一种人脸识别方法，包括：

获取待识别的人脸图像；

将所述人脸图像输入预设的人脸识别模型，得到人脸识别结果；

其中，所述人脸识别模型通过以下步骤预先训练获得：

获取人脸样本数据集，所述人脸样本数据集包括多个正脸样本图像和多个非正脸样本图像；

对各个所述非正脸样本图像分别进行人脸的关键点检测处理，得到各个所述非正脸样本图像的关键点特征；

基于所述关键点特征对各个所述非正脸样本图像进行修正，得到各个所述非正脸样本图像的修正为正脸的图像；

以所述多个正脸样本图像和各个所述非正脸样本图像的修正为正脸的图像作为训练集，训练得到所述人脸识别模型。

本申请实施例在训练人脸识别模型时，采用多个正脸样本图像和多个非正脸样本图像作为训练集，并对其中的非正脸样本图像进行人脸的关键点检测处理，得到关键点特征，然后基于关键点特征将非正脸样本图像修正为正脸图像。在保证正脸样本数据的同时，增加平移、多角度等不同姿态的非正脸样本数据，能够克服由于人脸检测和人脸对齐模型不一致性导致的识别偏差，保证模型结构的平移不变性，从而提高获得的人脸识别结果的准确性。

进一步的，所述多个非正脸样本图像可以通过以下步骤生成：

获取预采集的原始正脸图像；

采用预先构建的StarGAN神经网络模型对所述原始正脸图像进行处理，得到所述原始正脸图像的多个不同角度的侧脸图像；

将所述多个不同角度的侧脸图像确定为所述多个非正脸样本图像。

为保证样本数据的可靠性，本申请采用正脸图像生成多角度侧脸的方式。

进一步的，所述基于所述关键点特征对各个所述非正脸样本图像进行修正可以包括：

基于所述关键点特征对各个所述非正脸样本图像进行先缩放调整，再平移调整的处理；

或者

基于所述关键点特征对各个所述非正脸样本图像进行先旋转调整，再平移调整的处理。