[发明专利]人脸识别方法、装置和电子设备

权利要求书

1.一种人脸识别方法，其特征在于，包括：

确定待识别图像；

将所述待识别图像输入至融合多个场景的人脸识别模型，得到所述人脸识别模型输出的人脸识别结果；

其中，所述人脸识别模型是基于样本图像及各场景对应的教师模型输出的各场景人脸识别结果，进行蒸馏训练得到的；

各场景分别对应的教师模型是基于如下步骤训练得到的：

确定各场景对应的样本场景图像集合，所述集合中包含多个样本场景图像；

基于各场景对应的各样本场景图像中包含的人物在所述集合中出现的次数，从各场景对应的样本场景图像集合中确定各场景对应的正常样本和虚拟样本；

基于各场景对应的正常样本、虚拟样本以及所述正常样本和所述虚拟样本包含人脸的身份信息，对教师模型的原始模型进行训练，得到各场景的教师模型。

2.根据权利要求1所述的人脸识别方法，其特征在于，所述基于所述各场景对应的各样本场景图像中包含的人物在所述集合中出现的次数，从各场景对应的样本场景图像集合中确定各场景对应的正常样本和虚拟样本，包括：

在所述各场景对应的各样本场景图像中包含的人物在所述集合中出现的次数大于等于阈值时，将对应的样本场景图像作为对应场景的正常样本；在所述各场景对应的各样本场景图像中包含的人物在所述集合中出现的次数小于所述阈值时，将对应的样本场景图像作为对应场景的虚拟样本。

3.根据权利要求1所述的人脸识别方法，其特征在于，所述基于各场景对应的正常样本、虚拟样本以及所述正常样本和所述虚拟样本包含人脸的身份信息，对教师模型的原始模型进行训练，得到各场景的教师模型，包括：

基于各场景对应的正常样本，以及所述正常样本中包含人脸的身份信息对教师模型的原始模型进行训练，得到各场景的教师模型对应的初始模型；

将各场景对应的虚拟样本输入至各场景的教师模型对应的初始模型，得到各场景的教师模型对应的初始模型输出的各场景虚拟样本对应的人脸识别结果；

将各场景的正常样本输入至各场景的教师模型对应的初始模型，得到各场景的教师模型对应的初始模型输出的各场景正常样本对应的人脸识别结果；

基于各场景虚拟样本对应的人脸识别结果、各场景正常样本对应的人脸识别结果、各场景虚拟样本包含人脸的身份信息以及各场景正常样本包含人脸的身份信息，对各场景的教师模型对应的初始模型进行训练，得到各场景的教师模型。

4.根据权利要求3所述的人脸识别方法，其特征在于，所述将各场景对应的虚拟样本输入至各场景的教师模型对应的初始模型，得到各场景的教师模型对应的初始模型输出的各场景虚拟样本对应的人脸识别结果，包括：

将各场景对应的虚拟样本输入至各场景的教师模型对应的初始模型中的特征提取层，得到所述特征提取层输出的各场景虚拟样本特征向量以及各场景虚拟样本对应的特征模板；各场景虚拟样本对应的特征模板为各场景的虚拟样本特征向量的平均向量；

将各场景虚拟样本特征向量以及各场景虚拟样本对应的特征模板输入至各场景的教师模型对应的初始模型中的人脸识别层，得到所述人脸识别层输出的各场景虚拟样本对应的人脸识别结果；

所述将各场景的正常样本输入至各场景的教师模型对应的初始模型，得到各场景的教师模型对应的初始模型输出的各场景正常样本对应的人脸识别结果，包括：

将各场景对应的正常样本输入至各场景的教师模型对应的初始模型中的特征提取层，得到所述特征提取层输出的各场景正常样本特征向量；

将各场景正常样本特征向量输入至各场景的教师模型对应的初始模型中的人脸识别层，得到所述人脸识别层输出的各场景正常样本对应的人脸识别结果。

5.根据权利要求1所述的人脸识别方法，其特征在于，各场景对应的样本场景图像是基于如下步骤确定的：

获取各场景对应的初始样本场景图像，并对所述初始样本场景图像进行人脸关键点检测，确定各初始样本场景图像的人脸检测框图像；

基于各人脸检测框图像中的人脸关键点信息进行人脸对齐，并将人脸对齐后的各图像裁剪为预设尺寸，得到各场景对应的样本场景图像。