[发明专利]面部特征更新方法、装置、计算机设备和存储介质

权利要求书

1.一种面部特征更新方法，其特征在于，所述方法包括：

确定面部图像底库、面部图像测试库、以及面部图像更新集；其中，所述面部图像底库和面部图像测试库中包括属于相同对象的面部图像，所述面部更新集中面部图像所属的对象与面部图像底库中面部图像所属的对象不重合；

基于所述面部图像测试库对面部识别模型进行训练，得到误识率；

当所述误识率满足面部特征更新条件时，分别提取面部图像底库、面部图像测试库、以及面部图像更新集中各面部图像的面部特征，并基于提取出的面部特征对面部图像底库和面部图像测试库中相应的面部图像进行特征更新。

2.根据权利要求1所述的方法，其特征在于，所述基于提取出的面部特征对面部图像底库和面部图像测试库中相应的面部图像进行特征更新，包括：

基于提取出的面部特征，确定第一类间相似度、第二类间相似度、以及类内相似度；

确定所述第一类间相似度和第二类间相似度中的至少一种与类间阈值的类间差异，以及类内相似度与类内阈值的类内差异；

以最小化误识率为目标，对所述类内相似度对应的面部特征进行特征更新，直至类间差异大于类间阈值、类内差异小于类内阈值、且误识率小于误识率阈值时，得到更新后的面部特征；

基于所述更新后的面部特征，更新所述面部图像底库和面部图像测试库中相应的面部图像。

3.根据权利要求1所述的方法，其特征在于，所述面部特征更新条件包括整体误识率小于误识率阈值，且个体误识率大于整体误识率。

4.根据权利要求1所述的方法，其特征在于，所述分别提取面部图像底库、面部图像测试库、以及面部图像更新集中各面部图像的面部特征，并基于提取出的面部特征确定第一类间相似度、第二类间相似度、以及类内相似度，包括：

分别提取面部底库、面部更新集、以及面部测试库中的面部特征，得到面部底库特征、面部更新集特征、以及面部测试库特征；

根据面部底库特征和面部更新集特征之间的相似度，得到第一类间相似度；

根据面部更新集特征和面部测试库特征之间的相似度，得到第二类间相似度；

根据面部底库特征和面部测试库特征之间的相似度，得到类内相似度。

5.根据权利要求1所述的方法，其特征在于，所述基于所述面部图像测试库对面部识别模型进行训练，得到误识率，包括：

提取所述面部图像测试库中各面部图像的面部特征向量；

将所述提取的面部特征向量传送至服务端，以由所述服务端利用面部识别模型对所述面部特征向量进行识别，得到面部识别预测结果；

触发服务端将面部识别预测结果与相应的面部识别实际结果进行比对，得到比对结果，并基于所述比对结果得到误识率；以及

接收服务端返回的误识率。

6.根据权利要求5所述的方法，其特征在于，所述提取所述面部图像测试库中各面部图像的面部特征向量，包括：

对面部图像中的面部关键特征点进行检测，定位面部关键特征点；

利用深度卷积神经网络对面部关键特征点进行提取，得到面部特征向量。

7.根据权利要求5所述的方法，其特征在于，所述面部识别模型的训练步骤，包括：

服务端获取所述面部图像测试库中的面部图像，并对所述面部图像进行面部检测处理，获得待识别的面部图像；

服务端对所述待识别的面部图像进行面部对齐处理，获得对齐处理后的面部图像，并将所述对齐处理后的面部图像输入至面部识别模型中，由所述面部识别模型输出面部识别预测结果；

服务端基于所述面部识别预测结果与相应的面部识别实际结果之间的差异，构建损失函数，并以最小化损失函数为目标，对所述面部识别模型进行训练，直至满足训练终止条件时结束训练，并得到训练好的面部识别模型。