[发明专利]一种人脸识别方法、装置、电子设备及可读存储介质

权利要求书

1.一种人脸识别方法，其特征在于，包括：

获取待识别人脸图像；

利用识别模型对所述待识别人脸图像进行识别处理，得到识别结果；所述识别模型基于目标损失函数训练得到，所述目标损失函数为具有动态样本权重参数的损失函数；

输出所述识别结果；

其中，所述识别模型的训练过程，包括：

以组为单位获取多个训练图像，并计算各个所述训练图像对应的多个类间相似度；

计算所述训练图像对应的中间值，并利用所述中间值和历史样本权重参数得到所述动态样本权重参数；

在所述训练图像中确定高权重训练图像，并利用所述动态样本权重参数对所述高权重训练图像对应的高权重类间相似度进行更新；

利用所述动态样本权重参数、所述类间相似度和所述高权重类间相似度计算得到损失值，并利用所述损失值对所述识别模型进行调节；

所述计算所述训练图像对应的中间值，包括：

提取所述训练图像对应的特征向量，并确定所述训练图像对应的目标类中心向量；

计算所述特征向量与所述目标类中心向量的夹角余弦值；

利用各个所述夹角余弦值进行平均值计算，得到所述中间值。

2.根据权利要求1所述的人脸识别方法，其特征在于，所述目标损失函数还具有动态超球面半径；在所述利用所述动态样本权重参数、所述类间相似度和所述高权重类间相似度计算得到损失值之前，还包括：

利用所述中间值和标准超球面半径得到所述动态超球面半径；

相应的，所述利用所述动态样本权重参数、所述类间相似度和所述高权重类间相似度计算得到损失值，包括：

利用所述动态样本权重参数、所述动态超球面半径、所述类间相似度和所述高权重类间相似度计算得到损失值。

3.根据权利要求1所述的人脸识别方法，其特征在于，所述计算各个所述训练图像对应的多个类间相似度，包括：

提取所述训练图像的特征向量；

分别利用各个类中心向量与所述特征向量计算夹角余弦值，得到所述类间相似度。

4.根据权利要求1所述的人脸识别方法，其特征在于，所述在所述训练图像中确定高权重训练图像，包括：

在所述训练图像对应的多个所述类间相似度中确定第一类间相似度，并对所述第一类间相似度进行加边界值处理，得到第二类间相似度；

判断所述第二类间相似度是否小于所述训练图像对应的任一其他类间相似度；

若所述第二类间相似度小于任一所述其他类间相似度，则确定所述训练图像为所述高权重训练图像。

5.根据权利要求1所述的人脸识别方法，其特征在于，所述利用所述动态样本权重参数、所述类间相似度和所述高权重类间相似度计算得到损失值，包括：

利用所述动态样本权重参数、所述类间相似度和所述高权重类间相似度按照第一目标损失函数计算得到第一损失值；

利用所述动态样本权重参数、所述类间相似度和所述高权重类间相似度按照第二目标损失函数计算得到第二损失值；

利用第一损失值和第二损失值进行加权平均计算，得到所述损失值。