[发明专利]身份识别方法、双通道超分模型的训练方法及装置

权利要求书

1.一种身份识别方法，其特征在于，包括：

获取待识别用户的人脸图像；

将所述人脸图像输入双通道超分模型中进行重构处理，输出所述人脸图像的超分辨率图像；所述重构处理用于对所述人脸图像进行多重图像处理；所述双通道超分模型包括双通道模块，所述双通道模块包括上通道和下通道；所述上通道用于通过对所述人脸图像进行通道数增加处理、图像维度变换处理以及特征提取处理，得到第一目标子图像；所述下通道用于对所述人脸图像进行特征提取处理，得到第二目标子图像；所述双通道模块还用于对所述第一目标子图像和所述第二目标子图像进行第一图像融合处理，得到第一目标图像；所述第一目标图像用于生成所述超分辨率图像；

基于预设图像精修方式对所述超分辨率图像进行精修处理，得到精修图像；

基于所述精修图像对所述待识别用户进行身份识别处理。

2.根据权利要求1所述的方法，其特征在于，所述获取待识别用户的人脸图像，包括：

按照预设帧间隔，从所述待识别用户的视频数据中抽取多帧原始图像；

基于预设模糊检测方式确定每帧所述原始图像的清晰度；

基于确定的所述清晰度获取所述人脸图像，清晰度最高的原始图像包括所述人脸图像。

3.根据权利要求2所述的方法，其特征在于，所述基于确定的所述清晰度获取所述人脸图像，包括：

采用人脸检测模型对清晰度最高的原始图像进行人脸检测处理，得到人脸坐标；

基于所述人脸坐标从所述清晰度最高的原始图像中截取得到所述人脸图像。

4.根据权利要求1所述的方法，其特征在于，所述双通道超分模型还包括特征处理模块和后处理模块。

5.根据权利要求4所述的方法，其特征在于，在所述重构处理中，所述双通道模块，用于对所述人脸图像进行第一图像处理，得到第一目标图像；所述双通道模块还包括字典，所述上通道包括第一卷积层、第一Reshape层、第二Reshape层和全连接层，所述下通道包括第二卷积层；

所述对所述人脸图像进行第一图像处理，得到第一目标图像，包括：

通过所述第一卷积层对所述人脸图像进行通道数增加处理，得到第一特征图；

通过所述第一Reshape层对所述第一特征图进行维度变换处理，得到第二特征图；

通过所述字典对所述第二特征图进行特征提取处理，得到第三特征图；

通过所述全连接层对所述第三特征图进行特征提取处理，得到第四特征图；

通过所述第二Reshape层对所述第四特征图进行维度变换处理，得到第一目标子图像；以及通过所述第二卷积层对所述人脸图像进行特征提取处理，得到第二目标子图像；

对所述第一目标子图像和所述第二目标子图像进行第一图像融合处理，得到所述第一目标图像。

6.根据权利要求5所述的方法，其特征在于，在所述重构处理中，所述特征处理模块，用于对所述第一目标图像进行第二图像处理，得到第二目标图像；所述特征处理模块包括N个Dense模块、第三卷积层、Concat层和第四卷积层，所述N为大于1的整数；

所述对所述第一目标图像进行第二图像处理，得到第二目标图像，包括：

通过所述第三卷积层对所述第一目标图像进行特征提取处理，得到第五特征图；

通过所述N个Dense模块进行特征提取处理，得到所述N个第六特征图；所述Dense模块，用于对输入的特征图进行特征提取处理，得到一个第六特征图；所述N个Dense模块对应N个排列序号，排列序号最小的Dense模块的输入图像为所述第五特征图，排列序号不是最小的Dense模块的输入图像为上一Dense模块输出的第六特征图；

通过所述Concat层对所述N个第六特征图进行第二图像融合处理，得到第七特征图；

通过所述第四卷积层对所述第七特征图进行通道数缩减处理，得到第八特征图；

对所述第五特征图和所述第八特征图进行残差学习处理，得到所述第二目标图像。