[发明专利]人脸识别方法、装置、电子设备及存储介质

权利要求书

1.一种人脸识别方法，其特征在于，所述方法包括：

获取训练图像集，对所述训练图像集进行人脸检测，得到人脸图像集；

对所述人脸图像进行脸部频域变换，生成标准人脸图像集，利用预设的决策树算法对所述标准人脸图像集进行人脸对齐，得到目标人脸图像集；

利用所述目标人脸图像集对预构建的服务端人脸特征提取模型进行训练，得到训练完成的服务端人脸特征提取模型；

利用所述训练完成的服务端人脸特征提取模型对预构建的客户端人脸特征提取模型进行蒸馏训练，得到训练完成的客户端人脸特征提取模型；

接收待识别人脸图像，利用所述训练完成的客户端人脸特征提取模型对所述待识别人脸图像进行特征提取，得到待识别人脸特征图像；

利用预设人脸数据库中的人脸图像对所述待识别人脸特征图像进行人脸识别，得到识别结果。

2.如权利要求1所述的人脸识别方法，其特征在于，所述对所述训练图像集进行人脸检测，得到人脸图像，包括：

利用预训练好的人脸检测模型中的输入门计算所述训练图像集的状态值，及利用所述人脸检测模型中的遗忘门计算所述训练图像集的激活值；

根据所述状态值和激活值计算所述训练图像集像的状态更新值；

利用所述人脸检测模型中的输出门计算所述状态更新值的人脸位置序列；

利用所述人脸检测模型中的损失函数计算所述人脸位置序列与对应人脸图像标签的损失值，选取损失值小于预设损失值的人脸位置序列，得到人脸图像。

3.如权利要求1所述的人脸识别方法，其特征在于，所述对所述人脸图像集进行脸部频域转换，得到标准人脸图像集，包括：

对所述人脸图像集进行傅里叶变换，得到频域人脸图像集；

过滤所述频域人脸图像集中的环境光，得到标准频域人脸图像集；

对所述标准频域人脸图像集进行傅里叶反变换，得到空间频域人脸图像集；

将所述标准频域人脸图像集与所述空间频域人脸图像集进行通道叠加，得到标准人脸图像集。

4.如权利要求1所述的人脸识别方法，其特征在于，所述利用所述目标人脸图像集对预构建的服务端人脸特征提取模型进行训练，得到训练完成的服务端人脸特征提取模型，包括：

利用所述预构建的服务端人脸特征提取模型对所述目标人脸图像集进行特征提取，得到特征图像集；

利用所述预构建的服务端人脸特征提取模型中的损失函数计算所述特征图像集中的损失值；

根据所述损失值，调整所述服务端人脸特征提取模型的参数，直至所述损失值小于预设阈值时，结束所述参数调整，得到训练完成的服务端人脸特征提取模型。

5.如权利要求4中所述的人脸识别方法，其特征在于，所述利用预构建的服务端人脸特征提取模型对所述目标人脸图像集进行特征提取，得到特征图像集，包括：

利用所述服务端人脸特征提取模型中的卷积层对所述目标人脸图像集进行卷积操作，得到卷积图像集；

利用所述服务端人脸特征提取模型中的金字塔池化层对所述卷积图像集进行降维操作，得到标准卷积图像集；

利用所述服务端人脸特征提取模型中的融合层将所述目标人脸图像集的底层特征与所述标准卷积图像集进行融合，得到特征图像集。

6.如权利要求4中所述的人脸识别方法，其特征在于，所述损失函数包括：

其中，Loss表示损失值，n表示特征图像集的数量，表示特征图像集中第i个特征图像，表示对应的第i个真实特征图像。

7.如权利要求1至6中任意一项所述的人脸识别方法，其特征在于，所述利用所述训练完成的服务端人脸特征提取模型对预构建的客户端人脸特征提取模型进行蒸馏训练，得到训练完成的客户端人脸特征提取模型，包括：

根据所述训练完成的服务端人脸特征提取模型，构建所述预构建的客户端人脸特征提取模型的蒸馏损失函数；

利用所述蒸馏损失函数对所述预构建的客户端人脸特征提取模型进行蒸馏训练，得到训练完成的客户端人脸特征提取模型。