[发明专利]人脸识别方法和装置及人脸识别系统的训练方法和装置

权利要求书

1.一种人脸识别方法，其特征在于，包括：

获取多个样本人脸图像；

利用所述多个样本人脸图像对初始化人脸图像识别模型进行训练，直至得到满足第一收敛条件的人脸图像识别模型；

将所述多个样本人脸图像依次输入所述人脸图像识别模型，得到多个人脸识别样本结果，其中，每个人脸识别样本结果中包括与所述样本人脸图像对应的特征图和超球面空间特征向量；

利用所述多个人脸识别样本结果及与每个所述样本人脸图像对应的样本类中心向量，来对初始化图像质量评估模型进行训练，直至得到满足第二收敛条件的图像质量评估模型，其中，所述样本类中心向量用于指示所述样本人脸图像所属的身份类别；

获取待识别的目标人脸图像；

将所述目标人脸图像输入到所述人脸图像识别模型中，以获取所述目标人脸图像对应的目标特征图和目标超球面空间特征向量，其中，所述人脸图像识别模型为利用所述多个样本人脸图像进行训练后所得到的用于进行人脸识别的深度神经网络模型；

将所述目标特征图和所述目标超球面空间特征向量输入所述图像质量评估模型中，以得到与所述目标人脸图像匹配的目标置信度，其中，所述图像质量评估模型为在所述人脸图像识别模型的基础上，利用所述多个样本人脸图像进行训练后所得到的神经网络模型，用于评估当前输入的人脸图像需要通过所述人脸图像识别模型进行人脸识别的置信度；

在所述目标置信度大于第一阈值的情况下，获取所述目标人脸图像与参考人脸图像之间的图像相似度；

在所述图像相似度大于第二阈值的情况下，识别出所述目标人脸图像所指示的第一对象身份与所述参考人脸图像所指示的第二对象身份一致。

2.根据权利要求1所述的方法，其特征在于，所述获取所述目标人脸图像与参考人脸图像之间的图像相似度包括：

遍历预先构建的人脸图像数据库，依次获取每一张人脸图像作为所述参考人脸图像，其中，所述人脸图像数据库中的每一张人脸图像需要通过所述人脸图像识别模型进行人脸识别的置信度均大于所述第一阈值；

获取所述目标人脸图像的所述目标超球面空间特征向量与所述参考人脸图像的参考超球面空间特征向量之间的余弦距离，作为所述目标人脸图像与所述参考人脸图像之间的所述图像相似度。

3.根据权利要求1所述的方法，其特征在于，在将所述目标特征图和所述目标超球面空间特征向量输入图像质量评估模型中，以得到与所述目标人脸图像匹配的目标置信度之后，还包括：

在所述目标置信度小于等于所述第一阈值的情况下，生成识别异常警告消息，其中，所述识别异常警告消息用于指示重新获取所述目标人脸图像。

4.根据权利要求1所述的方法，其特征在于，所述利用所述多个样本人脸图像对初始化人脸图像识别模型进行训练，直至得到满足第一收敛条件的人脸图像识别模型包括：

重复执行以下步骤，直至满足所述第一收敛条件，其中，所述初始化人脸图像识别模型中的参数值为初始值：

将当前样本人脸图像输入当前人脸图像识别模型，其中，所述当前人脸图像识别模型中包括卷积层、激活函数、池化层及全连接层，所述卷积层用于提取所述当前样本人脸图像中的图像特征，所述激活函数和所述池化层用于对所述图像特征进行计算处理，得到当前特征图，所述全连接层用于将所述当前特征图映射为超球面空间中的当前超球面空间特征向量；

将所述当前超球面空间特征向量和与所述当前样本人脸图像匹配的当前类中心向量输入所述当前人脸图像识别模型中的第一目标函数，得到第一当前损失值，其中，所述当前类中心向量用于指示所述当前样本人脸图像所属的身份类别；

在所述当前人脸图像识别模型对应的迭代次数大于等于第三阈值，和/或，所述第一当前损失值小于等于第四阈值的情况下，确定满足所述第一收敛条件，并将所述当前人脸图像识别模型确定为完成训练的所述人脸图像识别模型。