[发明专利]业务处理方法、装置和电子设备

权利要求书

1.一种业务处理方法，包括：

获得由请求人发起的业务请求；

响应于所述业务请求，获取待识别图像，所述待识别图像包括所述请求人的人脸图像；

利用经训练的人脸遮挡识别模型处理所述待识别图像，得到识别结果；以及

如果所述识别结果指示所述人脸图像包括遮挡物图像，则按照与存在遮挡物图像对应的处理方式响应所述业务请求。

2.根据权利要求1所述的方法，其中，所述人脸遮挡识别模型包括：

特征提取模块，用于从所述待识别图像中提取至少两层图像特征；

特征融合模块，用于将所述至少两层图像特征中第一层图像特征和第二层图像特征进行融合；

检测模块，用于基于融合后的图像特征进行人脸遮挡识别，得到所述识别结果，所述识别结果包括识别框的位置信息、识别框的尺寸信息和针对识别框中人脸图像的遮挡属性信息。

3.根据权利要求2所述的方法，其中，所述人脸遮挡识别模型还包括：

预处理模块，用于对待识别图像的各像素的颜色值进行归一化处理，得到归一化图像；以及

所述特征提取模块具体用于从所述归一化图像中提取至少两层图像特征。

4.根据权利要求2所述的方法，其中，所述特征提取模块包括：交替排列的M个卷积层和M个池化层，第N个池化层的输入包括第N个卷积层的输出，其中，M是大于或者等于2的整数，N是大于或者等于1的整数。

5.根据权利要求4所述的方法，其中，所述特征提取模块还包括：

M个归一化层，第N个卷积层的输出作为第N个归一化层的输入，第N个归一化层对输入的数据进行归一化，并且将归一化后的数据通过非线性激活函数传输至第(N+1)个卷积层。

6.根据权利要求4所述的方法，其中，第(M-1)个池化层的输出和第M个卷积层的输出，共同作为第M个池化层的输入，以构成(M-1)个残差结构。

7.根据权利要求6所述的方法，其中，所述特征融合模块包括一个特征融合层，所述检测模块包括两个卷积层；

第一个卷积层的输入包括：第(M-1)个残差结构的输出；以及

第二个卷积层的输入包括所述特征融合层的输出，所述特征融合层的输入包括：第(M-1)个残差结构的输出的上采样结果和第(M-2)个残差结构的输出。

8.根据权利要求6所述的方法，其中，所述特征融合模块包括P个特征融合层，所述检测模块包括Q个卷积层，其中，Q＝P+1，P是大于或者等于2的整数；

第(Q-x-1)个卷积层的输入包括第(P-x)个特征融合层的输出，第(P-x)个特征融合层的输入包括：第(Q-x)个卷积层的输出的上采样结果和第(M-x-2)个残差结构的输出，其中x是大于或者等于1并且小于P的整数；

第(Q-x)个卷积层的输入包括第P个特征融合层的输出，第P个特征融合层的输入包括：第(M-x)个卷积层的输出的上采样结果和第(M-x-1)个残差结构的输出，其中x是大于或者等于1并且小于P的整数；以及

第Q个卷积层的输入包括：第(M-1)个残差结构的输出。

9.根据权利要求4所述的方法，其中，所述卷积层中部分卷积层被剪枝处理，所述卷积层中除所述部分卷积层之外的卷积层的输出与所述识别结果的第一相关性，小于所述部分卷积层的输出与所述识别结果的第二相关性。

10.根据权利要求1所述的方法，其中，所述人脸遮挡识别模型通过以下方式进行训练：

采用第一训练数据集对所述人脸遮挡识别模型进行预训练，得到所述人脸遮挡识别模型的预训练权重；以及

采用第二训练数据集对所述人脸遮挡识别模型进行预训练，以优化所述预训练权重，其中，所述第二训练数据集是使用接收所述业务请求的终端设备采集的实际场景图像，所述实际场景图像存在对应的识别框的位置信息、识别框的尺寸信息和针对识别框中人脸图像的遮挡属性信息。