[发明专利]一种基于人脸部件提取和肤色编辑的人脸识别方法和系统

说明书

本申请涉及一种基于人脸部件提取和肤色编辑的人脸识别方法，其中，该方法包括：通过人脸部件分割模型对自有人脸数据集进行面部部件分割提取，得到人脸面部部件和对应的肤色区域位置；按照肤色对自有人脸数据集进行聚类之后，在自有人脸数据集中获取分布较小的稀缺人种样本；根据肤色区域位置，将稀缺人种的人脸肤色迁移到面部部件上，以生成大量稀缺人种样本；基于自有人脸数据集训练人脸识别模型，通过人脸识别模型进行人脸识别。通过本申请，解决了相关技术中对分布小，占比少的人种识别率较低的问题，对于少数人种识别能力明显提升。

技术领域

本申请涉及人脸识别技术领域，特别是涉及一种基于人脸部件提取和肤色编辑的人脸识别方法和系统。

背景技术

数据规模的增长极大地推动了深度学习的发展，人脸识别技术更是受益于此。而在将人脸识别模型部署在应用场景之前，需要采用大量数据训练该模型。

目前公开可获取的大型人脸数据集主要来自学术界开源，这类数据集主要是针对年龄、表情等特定场景，对人种分布以及有色人种数量两个方面缺乏足够的关注，导致训练出的人脸识别模型泛化能力差，对分布多、数量大的人种具有倾向性。

另一数据来源是业务场景和内部数据采集，该方案同样存在两大难点：（一）数据采集：很难进行大量、有效、全场景的多人种人脸数据采样，无法纠正已有训练数据中的人种分布差异；（二）数据清洗：已有模型本身有人种偏见，依赖该类模型进行清洗会引入较大误差，另外，依赖人工清洗则存在速度慢、成本高、数据质量难以保证等问题。

目前针对相关技术中的人脸识别方法对分布小、占比少的人种识别率较低的问题，尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种基于人脸部件提取和肤色编辑的人脸识别方法、系统和计算机可读存储介质，以至少解决相关技术中人脸识别方法对分布小且占比少的人种识别率较低的问题。

第一方面，本申请实施例提供了一种基于人脸部件提取和肤色编辑的人脸识别方法，所述方法包括：

通过人脸部件分割模型对自有人脸数据集进行面部部件分割提取，得到人脸面部部件和对应的肤色区域位置；

按照肤色对所述自有人脸数据集进行聚类之后，在所述自有人脸数据集中获取分布较小的稀缺人种样本；

根据所述肤色区域位置，将所述稀缺人种的人脸肤色迁移到所述面部部件上以生成大量稀缺人种样本，其中，生成的所述稀缺人种样本继续保存在所述自有人脸数据集中；

基于所述自有人脸数据集训练人脸识别模型，通过所述人脸识别模型进行人脸识别。

在其中一些实施例中，所述通过人脸部件分割模型对自有人脸数据集进行面部部件分割提取之前，所述方法还包括：

构建轻量分割网络；

采用人脸部件提取数据集训练所述轻量分割网络，得到所述人脸部件分割模型。

在其中一些实施例中，所述构建轻量分割网络包括：

通过重参数化方式构建所述轻量分割网络的特征提取层；

搭建双分支网络结构，所述双分支包括主干分支和辅助分支，其中，所述主干分支是语义信息分支，所述辅助分支是视觉信息分支；

设置所述主干分支采用第一损失函数进行迭代；

在所述辅助分支中添加所述第一损失函数，设置所述辅助分支采用所述第一损失函数进行迭代，其中，所述第一损失函数是深监督损失函数；

设置所述轻量分割网络采用第二损失函数作为总损失函数进行迭代。

在其中一些实施例中，采用如下公式作为所述第一损失函数：