[发明专利]一种戴口罩人脸识别方法、装置、电子设备及存储介质

说明书

本发明提供一种戴口罩人脸识别方法、装置、电子设备及存储介质，该方法包括：将arcface人脸识别模型拆分成主干网络和教师网络；将主干网络输出特征的下半部分置为零，模拟戴口罩后特征减少的特征图；构建学生网络，将特征减少的特征图输入学生网络得到掩膜处理后的人脸特征向量；定义距离损失和三元组损失作为联合损失函数对学生模型进行训练；输入人脸图像，将教师网络和学生网络得到的特征向量分别存入数据库中；根据待识别人脸是否佩戴口罩，将教师网络或学生网络的人脸特征向量与待识别人脸特征进行比对，输出人脸识别结果。该方案可以减少模型训练中样本采集标注过程的工作量，训练速度快，实现过程简单，且识别结果准确可靠。

技术领域

本发明涉及人脸识别领域，尤其涉及一种戴口罩人脸识别方法、装置、电子设备及存储介质。

背景技术

随着人们的卫生逐渐增强，对流行疾病的防范意识有显著提高，越来越多人在出入各种公共场合时会选择佩戴口罩，然而佩戴口罩会导致人脸识别准确率大大下降，因此有必要对现有的人脸识别模型进行改进以适应戴口罩人脸检测场景。

当前，由于戴口罩会导致人脸可用的像素区域减少，目前业内公开的真实的戴口罩人脸的人脸识别数据集较少，无法直接作为模型训练的数据使用，需要重新采集大量的数据来对模型进行训练，而这样不仅训练过程慢，同时也大大增加工作量。

发明内容

有鉴于此，本发明实施例提供了一种戴口罩人脸识别方法、装置、电子设备及存储介质，以解决现有戴口罩人脸识别训练过程慢，且工作量大的问题。

在本发明实施例的第一方面，提供了一种戴口罩人脸识别方法，包括：

将开源的arcface人脸识别模型拆分成主干网络和教师网络；

将主干网络输出特征的下半部分置为零，模拟人脸戴口罩后特征减少的特征图；

构建学生网络，将人脸戴口罩后特征减少的特征图输入学生网络得到掩膜处理后的人脸特征向量；

定义距离损失和三元组损失作为联合损失函数对学生模型进行训练；

输入未戴口罩人脸至训练好的人脸识别模型中，将教师网络和学生网络得到特征向量分别存入人脸识别数据库中；

根据待识别人脸是否佩戴口罩，将教师网络的人脸特征向量或学生网络的人脸特征向量与待识别人脸特征进行比对，输出人脸识别结果。

在本发明实施例的第二方面，提供了一种用于戴口罩人脸识别的装置，包括：

拆分单元，用于将开源的arcface人脸识别模型拆分成主干网络和教师网络；

模拟单元，用于将主干网络输出特征的下半部分置为零，模拟人脸戴口罩后特征减少的特征图；

构建单元，用于构建学生网络，将人脸戴口罩后特征减少的特征图输入学生网络得到掩膜处理后的人脸特征向量；

训练单元，用于定义距离损失和三元组损失作为联合损失函数对学生模型进行训练；

输入单元，用于输入未戴口罩人脸至训练好的人脸识别模型中，将教师网络和学生网络得到特征向量分别存入人脸识别数据库中；

比对单元，用于根据待识别人脸是否佩戴口罩，将教师网络的人脸特征向量或学生网络的人脸特征向量与待识别人脸特征进行比对，输出人脸识别结果。

在本发明实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如本发明实施例第一方面所述方法的步骤。