[发明专利]一种人脸识别方法、装置、存储介质及电子设备

说明书

本发明实施例公开了一种人脸识别方法、装置、存储介质及电子设备。其中方法包括：一种人脸识别方法，其特征在于，包括：获取待识别的人脸图像；将所述人脸图像输入至人脸识别模型中，得到所述人脸识别模型输出的识别结果。通过多头注意力模块和多阶混合注意力模块对输入的人脸图像进行交替的特征提取，以得到人脸图像中的高阶联系特征，实现了对人脸图像中复杂特征表示。进一步的，通过池化模型得到人脸图像的全局特征和局部特征，提高了特征的全面性，通过全局特征和局部特征分别确定识别概率，提高了人脸识别的准确性。

技术领域

本发明实施例涉及人脸识别技术领域，尤其涉及一种人脸识别方法、装置、存储介质及电子设备。

背景技术

人脸识别在智能安防和智能城市中被广泛应用。

目前一般是通过手工构造特征或者通过CNN或transformer提取特征来完成对人脸的表征。之后，在训练阶段将特征通过分类器进行训练集人脸的分类，在测试阶段将特征与身份库的人脸特征进行匹配，并赋予相匹配的身份。

但是在实现本发明的过程中，发明人发现现有技术中至少存在以下技术问题：目前对人脸图像进行判别，一般局限于学习人脸中的局部判别性特征，导致在进行身份匹配时将人脸相似的不同身份的人匹配在一起的误判。

发明内容

本发明实施例提供一种人脸识别方法、装置、存储介质及电子设备，以实现提高人脸识别的识别准确度。

第一方面，本发明实施例提供了一种人脸识别方法，包括：

获取待识别的人脸图像；

将所述人脸图像输入至人脸识别模型中，得到所述人脸识别模型输出的识别结果；

其中，所述人脸识别模型包括特征提取模块、池化模块和分类模块，所述特征提取模块包括第一数量的多头注意力模块、第二数量的多阶混合注意力模块，用于提取具有全局联系的视觉序列特征，所述池化模块用于基于所述视觉序列特征得到全局特征和局部特征，所述分类模块用于基于所述全局特征和所述局部特征得到人脸图像的识别结果。

可选的，所述多头注意力模块和所述多阶混合注意力模块基于预设的连接顺序进行连接，所述多阶混合注意力模块包括多个注意力单元，任意相邻两注意力单元之间设置有卷积单元。

可选的，所述卷积单元包括可形变卷积和深度可分离卷积，分别对上一注意力单元输出的特征信息进行卷积处理，所述可形变卷积和所述深度可分离卷积的处理结果经合并后输入至下一注意力单元。

可选的，任一所述注意力单元的注意力参数，基于一阶注意力参数与当前阶注意力单元的先验信息确定。

可选的，所述特征提取模块还包括嵌入层，用于对输入的人脸图像提取初始视觉序列特征，并将所述初始视觉序列特征输出至与所述嵌入层连接的多头注意力模块。

可选的，所述池化模块包括全局池化单元和局部池化单元，所述全局池化单元用于对所述特征提取模块输出的视觉序列特征进行全局池化处理，得到全局特征；所述局部池化单元用于对所述特征提取模块输出的视觉序列特征进行局部池化处理，得到多个局部特征。

可选的，所述分类模块包括多个全连接层和结果处理单元，各全连接层分别用于基于全局特征或任一局部特征确定识别概率，所述结果处理单元基于各所述全连接层输出的识别概率确定识别结果。

第二方面，本发明实施例还提供了一种人脸识别装置，包括：

人脸图像获取模块，用于获取待识别的人脸图像；

人脸识别模块，用于将所述人脸图像输入至人脸识别模型中，得到所述人脸识别模型输出的识别结果；