[发明专利]人脸人体匹配方法、设备和存储介质

权利要求书

1.一种人脸人体匹配模型的训练方法，其特征在于，包括：

将样本图像作为人脸人体匹配模型的输入，输出得到样本置信图；

根据所述样本图像中的人脸区域得到监督信号；

根据所述样本置信图和所述监督信号，通过损失函数计算损失值；

根据所述损失值和反向传播算法更新所述人脸人体匹配模型的参数；

其中，所述样本图像为公开数据集中通过自动或人工方式标识出人体图像和人脸区域的图像。

2.根据权利要求1所述的人脸人体匹配模型的训练方法，其特征在于，所述人脸人体匹配模型包括：

U型结构的神经网络；

sigmoid函数，所述sigmoid函数将所述神经网络输出的置信图的数值映射到0～1之间；

其中，所述置信图和所述人体图像的大小相同。

3.根据权利要求1所述的人脸人体匹配模型的训练方法，其特征在于，“根据所述样本图像中的人脸区域得到监督信号”的步骤具体包括：

根据所述样本图像中的人脸区域得到第一监督信号图；

将所述第一监督信号图划分为三种类别：目标人脸区域，非目标人脸区域和背景区域；

根据第一缩进系数和第二缩进系数将所述目标人脸区域和所述非目标人脸区域分别向中心缩进，得到第二监督信号图；

所述监督信号为所述第二监督信号图，所述监督信号和所述样本置信图大小相同。

4.根据权利要求3所述的人脸人体匹配模型的训练方法，其特征在于，所述损失值的计算方法包括：

损失函数选取像素级别的交叉熵损失函数，每个像素对应的所述损失函数的表达式为：

其中，L为损失值，M为监督信号中类别的数量；y_c为一个one-hot向量，元素只有0和1两种取值，当该类别和样本的类别相同时取1，否则取0；p_c为所述样本置信图中预测样本属于c的概率值；

所述类别包含所述目标人脸区域和所述非目标人脸区域，不包含所述背景区域。

5.一种人脸人体匹配方法，其特征在于，所述方法包括：

获取实际图像中的人体图像和人脸区域；

将所述人体图像输入到根据权利要求1至4中任一项所述的方法训练好的人脸人体匹配模型中，得到置信图；

根据所述置信图和所述人脸区域计算得到人脸与人体的匹配置信度；

将所述匹配置信度与人脸人体匹配置信度阈值进行比较；

当所述匹配置信度大于或等于所述人脸人体匹配置信度阈值时，判定所述实际图像中的人脸与人体匹配，否则判定所述实际图像中的人脸与人体不匹配。

6.根据权利要求5所述的人脸人体匹配方法，其特征在于，“根据所述置信图和所述人脸区域计算得到人脸与人体的匹配置信度”的具体步骤包括：

在所述置信图中，根据第一缩进系数和第二缩进系数对所述人脸区域执行向中心缩进计算，得到人脸缩进区域；

计算所述置信图中所述人脸缩进区域范围内的响应均值，作为人脸与人体的匹配置信度。

7.根据权利要求6所述的人脸人体匹配方法，其特征在于，

在计算人脸与人体的匹配置信度时，如果存在多个所述人脸区域，则计算全部所述人脸区域的所述匹配置信度；

在将所述匹配置信度与人脸人体匹配置信度阈值进行比较时，选择最高的匹配置信度与所述人脸人体匹配置信度阈值进行比较。

8.根据权利要求6所述的人脸人体匹配方法，其特征在于，所述响应均值的计算方法为：

其中，P为响应均值，N为置信图中人脸缩进区域范围内像素个数，p_i为每个像素被预测属于目标人脸的概率值。

9.一种人脸人体匹配设备，包括处理器和存储装置，所述存储装置适于存储多条程序代码，其特征在于，所述程序代码适于由所述处理器加载并运行以执行权利要求5至8中任一项所述的人脸人体匹配方法。

10.一种存储介质，所述存储介质适于存储多条程序代码，其特征在于，所述程序代码适于由处理器加载并运行以执行权利要求5至8中任一项所述的人脸人体匹配方法。