[发明专利]人脸选优模型的训练方法、装置和计算机可读介质

说明书

本发明提供了一种人脸选优模型的训练方法、装置和计算机可读介质，所述方法包括以下步骤：获取人脸图像数据库及和人脸特征图数据库，并选取人脸图像数据库中的人脸图像输入人脸识别模型；获取所述人脸识别模型的输出量与所述人脸特征图数据库进行匹配的结果；根据所述匹配的结果确定所述人脸选优模型的训练数据；基于所述训练数据对所述人脸选优模型进行训练。本发明实现对人脸选优模型对人脸图像的适应性筛选，提高后续的人脸识别网络的识别精确度。

技术领域

本发明主要涉及人工智能领域，尤其涉及一种人脸选优模型的训练方法、装置和计算机可读介质。

背景技术

随着人工智能技术的发展，其在计算机视觉领域的应用越发成熟。尤其在安防领域需求的不断增多。人脸识别已经成为了安防场景中的非常重要的需求之一。

目前，在安防场景下进行人脸识别相比其他场景有更大的挑战，安防场景下的人脸非常小，由于获取图像时人处于自由运动场景，所以存在复杂的人脸姿态和表情，以及安防场景可能存在复杂的光照，遮挡等问题，这些问题会极大的影响人脸识别的效果，导致无法识别人脸或者识别错误。所以在此基础上引入了人脸选优。在一些应用场景，例如安防场景下，人脸选优模型可用于筛选送入识别网络人脸的质量，避免一些姿态过大，遮挡严重，以及一些光照和图像质量较低的人脸送进识别网络导致识别错误，从而造成识别精度的低下。

发明内容

本发明要解决的技术问题是提供一种人脸选优模型的训练方法、装置和计算机可读介质，实现对人脸选优模型对人脸图像的适应性筛选，提高后续的人脸识别网络的识别精确度。

为解决上述技术问题，本发明提供了一种人脸选优模型的训练方法，包括以下步骤：获取人脸图像数据库和人脸特征图数据库，并选取人脸图像数据库中的人脸图像输入人脸识别模型；获取所述人脸识别模型的输出量与所述人脸特征图数据库进行匹配的结果；根据所述匹配的结果确定所述人脸选优模型的训练数据；基于所述训练数据对所述人脸选优模型进行训练。

在本发明的一实施例中，所述人脸识别模型的输出量与所述人脸特征图数据库进行匹配的结果包括，所述人脸图像的ID是否匹配正确和所述人脸图像的匹配度是否达到或大于设定阈值。

在本发明的一实施例中，根据所述匹配的结果确定所述人脸选优模型的训练数据包括：

将所述人脸图像的ID匹配正确且所述人脸图像的匹配度达到或大于设定阈值的人脸图像作为正例训练数据；

将所述人脸图像的ID匹配正确但所述人脸图像的匹配度未达到设定阈值的人脸图像作为负例训练数据；

将所述人脸图像的ID匹配错误且所述人脸图像的匹配度达到或大于设定阈值的人脸图像作为负例训练数据；

将所述人脸图像的ID匹配错误但所述人脸图像的匹配度未达到设定阈值的人脸图像作为负例训练数据。

在本发明的一实施例中，基于所述训练数据对所述人脸选优模型进行训练包括：基于正例训练数据和负例训练数据对所述人脸选优模型进行训练。

在本发明的一实施例中，所述人脸图像的ID匹配的过程包括：基于所述人脸特征图数据库，将输入的所述人脸图像与所述人脸特征图数据库中的图像进行匹配；获得所述人脸特征图数据库中的图像与输入的所述人脸图像的匹配度最高的人脸图像；检测所述匹配度最高的人脸图像的ID与输入的所述人脸图像的ID是否相同。

在本发明的一实施例中，所述匹配度的数值通过匹配算法得出。

在本发明的一实施例中，还包括，通过对称交叉熵方式确定所述人脸选优模型的损失函数，并基于所述损失函数对所述人脸选优模型进行优化。

在本发明的一实施例中，所述损失函数包括对称交叉熵

ι_sce＝αι_ce+βι_rce