[发明专利]人脸特征表示方法、系统、电子设备和存储介质

说明书

本发明实施例涉及计算机视觉领域，公开了一种人脸特征的生成方法、系统、电子设备和存储介质。人脸特征的生成方法包括：利用编码‑解码Encoder‑Decoder网络对待训练人脸图像进行重建，获取待训练人脸图像的特征和重建后的人脸图像，其中，所述Encoder‑Decoder网络包括Encoder网络和Decoder网络；利用分类器根据所述待训练人脸图像的特征对所述待训练人脸图像进行分类，获取分类后的人脸图像，其中，所述分类是将属于同一个人的人脸图像划分为一类；根据所述重建后的人脸图像和所述分类后的人脸图像训练所述Encoder‑Decoder网络和所述分类器；根据训练后的Encoder‑Decoder网络获取待测试人脸图像的人脸特征。应用在获取人脸特征生成中，达到生成的人脸特征是满足需要的人脸特征的目的。

技术领域

本发明实施例涉及计算机视觉领域，特别涉及一种人脸特征的生成方法、系统、电子设备和存储介质。

背景技术

人脸识别技术总体上都要经过特征生成和特征比对。目前的一种常用方法是基于深度学习的人脸识别，它是用大量数据进行训练，通过端到端的学习，获取训练数据出现变化情况时仍然稳健的人脸特征表示，然后根据人脸特征表示与待识别人脸进行人脸特征比对，分析比对结果，实现人脸识别。

然而，发明人发现，在实际应用中，基于深度学习的人脸识别学到的人脸特征表示可能并不是分类器真正需要的人脸表达，导致人脸识别出现错误。

发明内容

本发明实施方式的目的在于提供一种人脸特征的生成方法、系统、电子设备和存储介质，使得学到的人脸特征表示是分类器真正需要的人脸表达。

为解决上述技术问题，本发明的实施方式提供了一种人脸特征的生成方法，包括以下步骤：利用编码-解码Encoder-Decoder网络对待训练人脸图像进行重建，获取待训练人脸图像的特征和重建后的人脸图像，其中，所述Encoder-Decoder网络包括Encoder网络和Decoder网络；利用分类器根据所述待训练人脸图像的特征对所述待训练人脸图像进行分类，获取分类后的人脸图像，其中，所述分类是将同一个人的人脸图像划分为一类；根据所述重建后的人脸图像和所述分类后的人脸图像训练所述Encoder-Decoder网络和所述分类器；根据训练后的Encoder-Decoder网络获取待测试人脸图像的人脸特征。

本发明的实施方式还提供了一种人脸特征的生成系统，包括：人脸重建模块，用于利用编码-解码Encoder-Decoder网络对待训练人脸图像进行重建，获取待训练人脸图像的特征和重建后的人脸图像，其中，所述Encoder-Decoder网络包括Encoder网络和Decoder网络，利用分类器根据所述待训练人脸图像的特征对所述待训练人脸图像进行分类，获取分类后的人脸图像，其中，所述分类是将同一个人的人脸图像划分为一类；多任务模块，用于根据所述重建后的人脸图像和所述分类后的人脸图像训练所述Encoder-Decoder网络和所述分类器，根据训练后的Encoder-Decoder网络获取待测试人脸图像的人脸特征。

本发明的实施方式还提供了一种电子设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行以上所述的人脸特征的生成方法。

本发明的实施方式还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现所述的人脸特征的生成方法。