[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

说明书

本申请公开了一种人脸识别方法、装置、电子设备及计算机可读存储介质，该方法包括：获取待识别人脸图像；利用识别模型对待识别人脸图像进行识别处理，得到识别结果；识别模型基于目标损失函数训练得到，目标损失函数为具有动态样本权重参数的损失函数；输出识别结果；动态样本权重参数为困难样本对应的权重，是根据当前情况动态变化的参数；因此可以在训练初始阶段使模型以较快的速度收敛，随着训练的进行，动态样本权重参数也随之变化，在后续训练过程中提高对困难样本的针对程度，使模型对困难样本的识别能力增强；该方法提高了模型收敛速度，提高了识别准确率。

技术领域

本申请涉及人脸识别技术领域，特别涉及一种人脸识别方法、人脸识别装置、电子设备及计算机可读存储介质。

背景技术

人脸识别从广义上来讲是一个分类任务，训练时将一个人当成一个类，使不同人之间尽量在特征空间中分开。传统的人脸识别对于光照，姿势等外部条件适宜的场景识别效果较好。但对于特殊场景(如光照不均引起的阴阳脸、面部被遮挡、面部离镜头太远造成像素低等)的识别效果无法令人满意，而这些场景识别率的提升则需要强化对这类场景下困难样本的训练。为了解决上述问题，相关技术利用两种权重对普通样本和困难样本进行区分，为困难样本赋予更大的权重，以便在训练中对困难样本进行强调，对模型进行更具针对性的训练。但是更大的权重造成更大的损失值，使得模型在训练时收敛难度增大，泛化性较差，进而导致识别准确度较低。

因此，相关技术存在的模型收敛难度大，识别准确度较低问题，是本领域技术人员需要解决的技术问题。

发明内容

有鉴于此，本申请的目的在于提供一种人脸识别方法、人脸识别装置、电子设备及计算机可读存储介质，提高了模型收敛速度，提高了识别准确率。

为解决上述技术问题，本申请提供了一种人脸识别方法，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。

可选地，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。

可选地，所述目标损失函数还具有动态超球面半径；在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。

可选地，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。

可选地，所述计算所述训练图像对应的中间值，包括：