[发明专利]基于迁移学习人脸族群属性的识别方法及装置

说明书

本发明提出了一种基于迁移学习的人脸族群属性的识别方法及装置，识别方法，包括：获取待识别的图像；将所述图像输入基于迁移学习方法预先训练的族群属性识别模型中，计算获得所述图像中的人脸族群属性。根据本发明的基于迁移学习的人脸族群属性的识别方法，采用基于迁移学习的方法训练族群属性识别模型，可以得到高鲁棒性的群组属性识别模型。在进行人脸族群属性的识别时，可以将获取的待识别图像直接输入到预先训练的族群属性别模型中进行计算，获得待识别图像中人物族群属性，识别方法高效、可靠。

技术领域

本发明涉及计算机技术领域，尤其涉及一种基于迁移学习人脸族群属性的识别方法及装置。

背景技术

近年来，随着高清视频监控系统在公共场所普及，为意外防范和检测、失踪人口查找等提供了有效的技术辅助，但由于视频监控数据量成倍增长，人工方式对视频监控中的人员进行搜索和分析，效率低下且容易忽略重要信息。因此研究监控场景下的人脸属性自动识别，能够显著提高监控中目标行人搜索的效率，对于降低监控成本，提高安全等级意义重大。

人脸属性识别是指对行人的生理特征(如年龄、种族、族群、性别、肤色等)、衣着穿戴(如是否佩戴眼镜、口罩、帽子等)进行识别，通过对人脸属性的自动识别和分析，能够提供结构化的人脸属性信息，有效辅助工作人员进行人员搜索。此外，我国作为一个多民族国家，对于人脸民族属性识别，能够有效保留不同民族的人脸特征，为未来进行民族学研究提供数据。

发明内容

本发明要解决的技术问题是如何有效进行人脸族群属性的识别，本发明提出了一种基于迁移学习的人脸族群属性的识别方法及装置。

根据本发明实施例的基于迁移学习的人脸族群属性的识别方法，包括：

获取待识别的图像；

将所述图像输入基于迁移学习方法预先训练的族群属性识别模型中，计算获得所述图像中的人脸族群属性。

根据本发明实施例的基于迁移学习的人脸族群属性的识别方法，采用基于迁移学习的方法训练族群属性识别模型，可以得到高鲁棒性的群组属性识别模型。在进行人脸族群属性的识别时，可以将获取的待识别图像直接输入到预先训练的族群属性别模型中进行计算，获得待识别图像中人物族群属性，识别方法高效、可靠。

根据本发明的一些实施例，基于迁移学习方法训练所述族群属性识别模型的方法包括：

建立训练网络模型，并采用具有种族属性标记的种族人脸数据集进行预训练获得初始模型；

采用具有民族属性标记的民族人脸数据集对所述初始模型进行再训练，获得所述族群属性识别模型。

在本发明的一些实施例中，在采用所述种族人脸数据集和所述民族人脸数据集进行模型训练之前，对所述种族人脸数据集和所述民族人脸数据集中的数据图像进行预处理。

根据本发明的一些实施例，所述识别方法还包括：

获取待识别的所述图像后，对所述图像进行预处理。

在本发明的一些实施例中，所述预处理包括：图像降噪、人脸识别以及人脸校正。

根据本发明实施例的基于迁移学习的人脸族群属性的识别装置，包括：

采集单元，用于获取待识别的图像；

识别单元，用于将所述图像输入基于迁移学习方法预先训练的族群属性识别模型中，计算获得所述图像中的人脸族群属性。

根据本发明实施例的基于迁移学习的人脸族群属性的识别装置，采用基于迁移学习的方法训练族群属性识别模型，可以得到高鲁棒性的群组属性识别模型。在进行人脸族群属性的识别时，可以将采集模块获取的待识别图像直接输入到预先训练的族群属性别模型中进行计算，获得待识别图像中人物族群属性，识别方法高效、可靠。