[发明专利]面部属性识别方法、装置和计算机可读存储介质在审
申请号: | 202011119266.X | 申请日: | 2020-10-19 |
公开(公告)号: | CN114387633A | 公开(公告)日: | 2022-04-22 |
发明(设计)人: | 柳天驰;申省梅;马原 | 申请(专利权)人: | 北京澎思科技有限公司 |
主分类号: | G06V40/16 | 分类号: | G06V40/16 |
代理公司: | 北京超凡宏宇专利代理事务所(特殊普通合伙) 11463 | 代理人: | 荣颖佳 |
地址: | 100000 北京市朝*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 面部 属性 识别 方法 装置 计算机 可读 存储 介质 | ||
1.一种面部属性识别方法,其特征在于,该方法包括:
获取待识别的面部图像;
将所述面部图像输入到预先训练好的面部属性识别网络,其中,所述面部属性识别网络包括一个全局特征提取模型和至少两个并列的属性分类模型;
获取所述面部属性识别网络的输出,所述输出包括与所述至少两个并列的属性分类模型一一对应的至少两个面部属性。
2.如权利要求1所述的方法,其特征在于,其中所述将所述面部图像输入到预先训练好的面部属性识别网络,包括:
将所述面部图像输入到所述全局特征提取模型,得到全局面部特征;
将所述全局面部特征分别输入到所述至少两个并列的属性分类模型,得到对应的至少两个面部属性。
3.如权利要求1所述的方法,其特征在于,其中对所述面部属性识别网络的训练过程包括:
通过训练同时得到所述全局特征提取模型和所述至少两个并列的属性分类模型中的第一属性分类模型;
在已经训练好的所述全局特征提取模型的基础上,再通过训练得到所述至少两个并列的属性分类模型中的其他属性分类模型。
4.如权利要求3所述的方法,其特征在于,其中对所述全局特征提取模型的训练过程包括:
构建第一属性识别模型,所述第一属性识别模型中包括全局特征提取模型和第一属性分类模型;
第一属性识别模型获取训练集中的面部图像,并由所述第一属性分类模型推理得到所述训练集中的面部图像的预测面部属性;
根据所述训练集中的面部图像的实际面部属性和推理得到的预测面部属性,调整所述第一属性识别模型的模型参数,得到完成训练的第一属性识别模型;
从训练完成的第一属性识别模型中,切除所述第一属性分类模型,得到所述全局特征提取模型。
5.如权利要求3所述的方法,其特征在于,其中对所述至少两个并列的属性分类模型中的其他属性分类模型的训练过程是并行地进行的。
6.如权利要求3所述的方法,其特征在于,其中所述第一属性分类模型是以下任意一个:年龄模型、性别模型、口罩模型、眼镜模型、发色模型、眼睛模型、胡须模型。
7.一种面部识别装置,其特征在于,包括:
面部图像获取模块,用于获取待识别的面部图像;
面部图像处理模块,用于将所述面部图像输入到预先训练好的面部属性识别网络,其中,所述面部属性识别网络包括一个全局特征提取模型和至少两个并列的属性分类模型;
面部属性识别模块,用于获取所述面部属性识别网络的输出,所述输出包括与所述至少两个并列的属性分类模型一一对应的至少两个面部属性。
8.一种面部识别装置,其特征在于,包括:处理器和存储器,所述存储器存储有所述处理器可执行的机器可读指令,当面部识别装置运行时,所述处理器执行所述机器可读指令,以执行时执行如权利要求1至6任一所述的方法的步骤。
9.如权利要求8所述的面部识别装置,其特征在于,还包括:
成像元件,所述成像元件与处理器耦接,所述成像元件配置成获取图像采集设备进行拍摄得到的面部图像,所述处理器配置成执行机器可读指令,以执行时执行如权利要求1至6任一所述的方法的步骤;
通讯器件,与目标设备耦接,所述通讯器件配置成在出现用于识别多种属性类别下的面部属性的面部属性识别网络时向目标设备发送所述面部属性识别网络。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被计算机或处理器执行时实现权利要求1至6中任一项所述方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京澎思科技有限公司,未经北京澎思科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011119266.X/1.html,转载请声明来源钻瓜专利网。
- 上一篇:通讯控制方法、电子设备及存储介质
- 下一篇:环境数据监测方法及监测系统