[发明专利]一种融合遮挡场景的人脸识别方法、系统、设备及介质

说明书

本发明提供的一种融合遮挡场景的人脸识别方法、系统、设备及介质，根据无遮挡场景目标人脸的关键点信息和遮挡场景模板生成遮挡场景目标人脸；基于无遮挡场景目标人脸和遮挡场景目标人脸生成融合遮挡场景的特征图；根据融合遮挡场景的特征图获取人脸特征，对待识别的无遮挡场景人脸、遮挡场景人脸进行人脸识别。本发明不仅能够对无遮挡场景目标人脸进行识别，还可以对遮挡场景目标人脸进行识别。在以高性能识别遮挡图片时，也能保持对无遮挡图片的高性能识别；使得本发明不仅能够识别存在角度、遮挡等问题图片，还可以解决遮挡人脸与无遮挡人脸的兼容识别问题，使本发明通过一个人脸识别模型能够同时以高性能的识别能力识别无遮挡人脸和遮挡人脸。

技术领域

本发明涉及人脸识别技术领域，特别是涉及一种融合遮挡场景的人脸识别方法、系统、设备及介质。

背景技术

自然场景下的人脸识别存在诸多挑战。由于没有约束，现场拍摄的图片会出现大量如角度、遮挡、模糊等问题造成的质量不好的图片，这些质量不好的照片会影响人脸识别模型的识别率。同时，大面积的遮挡问题也会影响人脸识别模型的识别性能。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种融合遮挡场景的人脸识别方法、系统、设备及介质，用于解决现有人脸识别模型不能同时识别无遮挡人脸以及遮挡人脸的问题。

为实现上述目的及其他相关目的，本发明提供一种融合遮挡场景的人脸识别方法，包括以下步骤：

根据无遮挡场景目标人脸的关键点信息和遮挡场景模板生成遮挡场景目标人脸；

基于无遮挡场景目标人脸和遮挡场景目标人脸生成融合遮挡场景的特征图；

根据所述融合遮挡场景的特征图获取人脸特征，对待识别的无遮挡场景人脸、遮挡场景人脸进行人脸识别。

可选地，所述特征图生成过程，包括：通过神经网络训练所述特征图，在所述神经网络的浅层特征图中将无遮挡场景目标人脸、遮挡场景目标人脸分别划分为多个局部区域；

对每个局部区域进行特征提取，通过激活函数输出对应的特征向量；

将从每个局部区域获得的特征向量作为该局部区域的自学习权重，并在神经网络的深层特征图中加权融合所有局部区域的自学习权重，生成所述融合遮挡场景的特征图。

可选地，对待识别的无遮挡场景人脸、遮挡场景人脸进行人脸识别，包括：

获取根据所述融合遮挡场景的特征图提取的人脸特征，对所述人脸特征进行分类并加入分类训练损失；

在无遮挡场景以及遮挡场景下训练进行分类且加入分类训练损失的人脸特征，生成融合遮挡场景的人脸识别模型；

根据所述融合遮挡场景的人脸识别模型对待识别的无遮挡场景人脸、遮挡场景人脸进行人脸识别。

可选地，通过人脸检测算法对无遮挡场景目标人脸图片进行检测，获取目标人脸区域以及无遮挡场景目标人脸的关键点信息；

通过对齐算法将目标人脸区域中的五官对齐至固定区域，放缩无遮挡场景目标人脸至固定尺寸；并在固定尺寸下结合遮挡场景模板对无遮挡场景目标人脸进行数据增强，生成遮挡场景目标人脸。

可选地，所述局部区域包括以下至少之一：上半脸、下半脸、左眼、右眼、鼻子、嘴巴。

可选地，所述遮挡场景模板包括以下至少之一：口罩模板、墨镜模板；

遮挡场景目标人脸包括以下之一：口罩遮挡场景目标人脸、墨镜遮挡场景目标人脸。

可选地，获取所述无遮挡场景目标人脸的关键点信息，根据鼻梁、脸颊、下巴的关键点位置生成口罩模板；并将所述口罩模板与所述无遮挡场景目标人脸进行贴合，生成所述口罩遮挡场景目标人脸；