[发明专利]一种构建人脸识别模型的方法及装置

说明书

本发明提供了一种构建人脸识别模型的方法及装置，其中，该方法包括：获取标签标记的人脸标记图像集及未进行标签标记的人脸未标记图像集；对人脸标记图像集进行数据增强，得到人脸标记增强图像集；将人脸标记图像集以及人脸标记增强图像集输入人脸识别模型的第一编码器，得到人脸标签特征数据集及人脸标签增强特征数据集；人脸未标记图像集输入第二编码器，得到人脸未标记特征数据集；基于人脸标签特征数据集、人脸标签增强特征数据集以及人脸未标记特征数据集，计算融合损失，若融合损失不满足收敛条件，更新第一编码器，利用更新的第一编码器更新第二编码器，直至融合损失满足收敛条件。可以提高训练人脸识别模型的效率。

技术领域

本发明涉及人脸识别技术领域，具体而言，涉及一种构建人脸识别模型的方法及装置。

背景技术

人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。通过利用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别。脸部识别一般通过训练的人脸识别模型执行，已被广泛应用在安全防控、智能安防、身份识别、轨迹追踪、金融支付、门禁打卡等领域。但为了使得训练的人脸识别模型具有较高的识别精度，人脸识别模型的训练需要大量的人脸数据，例如，需要对数十万的人脸标识(ID)及上千万的图片进行标注，标注所需的财力和时间极为庞大，使得训练人脸识别模型的效率较低。

发明内容

有鉴于此，本发明的目的在于提供构建人脸识别模型的方法及装置，以提高训练人脸识别模型的效率。

第一方面，本发明实施例提供了构建人脸识别模型的方法，包括：

获取进行标签标记的人脸标记图像集，以及，获取未进行标签标记的人脸未标记图像集；

针对人脸标记图像集中的每一人脸标记图像，分别进行数据增强，得到人脸标记增强图像集；

将人脸标记图像集以及人脸标记增强图像集输入人脸识别模型的第一编码器进行人脸特征识别，得到人脸标记图像集对应的人脸标签特征数据集以及人脸标记增强图像集对应的人脸标签增强特征数据集；

从人脸未标记图像集中提取人脸未标记图像，输入人脸识别模型的第二编码器进行人脸特征识别，得到人脸未标记特征数据集；

基于人脸标签特征数据集，计算深度人脸识别的附加角边缘损失，基于人脸标签特征数据集、人脸标签增强特征数据集以及人脸未标记特征数据集，计算对比损失；

依据深度人脸识别的附加角边缘损失以及对比损失，计算融合损失，若融合损失不满足预先设置的收敛条件，更新第一编码器的编码器参数，利用更新的第一编码器参数动量更新第二编码器的编码器参数，直至融合损失满足预先设置的收敛条件。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述将人脸标记图像集以及人脸标记增强图像集输入人脸识别模型的第一编码器进行人脸特征识别，包括：

针对每一次迭代，选取人脸标记图像集中预设第一数量的人脸标记图像，将选取的人脸标记图像以及与该人脸标记图像对应的人脸标记增强图像，输入人脸识别模型。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述从人脸未标记图像集中提取人脸未标记图像，包括：

选取人脸未标记图像集中预设第二数量的人脸未标记图像，构建字典；

在每次进行迭代后，从字典中删除预设第三数量的人脸未标记图像，从人脸未标记图像集中，提取预设第三数量的人脸未标记图像，添加至字典中。

结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述基于人脸标签特征数据集、人脸标签增强特征数据集以及人脸未标记特征数据集，计算对比损失，包括：