[发明专利]戴口罩的人脸识别训练方法、装置、电子设备及存储介质

说明书

本发明公开了一种戴口罩的人脸识别训练方法、装置、电子设备及计算机可读存储介质，属于深度学习技术领域。其中，该方法包括：获取第一样本图像，其中，所述第一样本图像为第一人脸未戴口罩的人脸图像；基于所述第一样本图像生成第二样本图像，其中，所述第二样本图像为所述第一人脸戴口罩的人脸图像；采用所述第一样本图像和所述第二样本图像构建正样本对；采用所述正样本对对初始模型进行训练，得到目标人脸识别模型。通过本发明，解决了戴口罩的人脸图像的采集成本大的问题，提高了戴口罩的人脸识别的效率。

技术领域

本发明涉及深度学习技术领域，尤其涉及一种戴口罩的人脸识别训练方法、装置、电子设备及计算机可读存储介质。

背景技术

人脸识别技术属于深度学习应用领域，基于人的脸部特征，对输入的人脸图像或者视频流，首先判断其中是否存在人脸，若存在人脸，则进一步得出每个脸的位置、大小和各个主要面部器官的位置信息，并依据这些信息提取每个人脸中所蕴涵的身份特征，将其与已知的人脸进行对比，从而识别每个人脸的身份。

深度学习人脸特征提取流程一般为人脸检测、人脸关键点检测、人脸矫正、人脸特征的提取、人脸特征的比对。具体来说，人脸识别流程首先在图片中检测人脸所在位置，将人脸所在位置裁剪之后，获取人脸五官等关键点位置，通过计算关键点之间的数学关系获取人脸的姿态并对图片进行矫正。将裁剪获得矫正后正脸图片输入人脸特征提取网络获得人脸的特征向量，最后，将人脸之间的特征向量进行比对，判断人脸之间是否相同。

人脸识别技术目前较为成熟，在日常生活或是公安、司法、边检中都有广泛的应用，但是目前大多数的人脸识别对于人脸图像的要求较高，而对于有遮挡的，诸如戴口罩的人脸图像的识别准确率较差。常规来说，可以直接收集戴口罩的人脸图像对人脸识别模型进行训练，之后用训练后的人脸识别模型进行人脸检测，然而使用这种方式，人脸图像收集的成本较大，并且，采集的新的戴口罩人脸图像与未戴口罩人脸图像相比，存在很多细节的变化，因此，在对人脸识别模型进行训练时可能会过分关注这些细节的变化，而忽视口罩，导致人脸识别模型训练的重点被分散，模型识别效果不好。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本发明提供了一种戴口罩的人脸识别训练方法、装置、电子设备及计算机可读存储介质。

根据本申请实施例的一个方面，提供了一种戴口罩的人脸识别训练方法，包括：获取第一样本图像，其中，所述第一样本图像为第一人脸未戴口罩的人脸图像；基于所述第一样本图像生成第二样本图像，其中，所述第二样本图像为所述第一人脸戴口罩的人脸图像；采用所述第一样本图像和所述第二样本图像构建正样本对；采用所述正样本对对初始模型进行训练，得到目标人脸识别模型。

进一步地，所述采用所述正样本对对初始模型进行训练，得到目标人脸识别模型包括：获取第三样本图像，其中，所述第三样本图像为第二人脸的人脸图像；采用所述第一样本图像和所述第三样本图像构建负样本对，或采用所述第二样本图像和所述第三样本图像构建负样本对；采用所述正样本对和所述负样本对对初始模型进行训练，得到目标人脸识别模型。

进一步地，所述获取第三样本图像包括：获取第三样本图像，其中，所述第三样本图像为第二人脸未戴口罩的人脸图像；基于所述第三样本图像生成第四样本图像，其中，所述第四样本图像为所述第二人脸戴口罩的人脸图像；所述采用所述第一样本图像和所述第三样本图像构建负样本对，或采用所述第二样本图像和所述第三样本图像构建负样本对，包括：采用所述第一样本图像和所述第三样本图像构建负样本对，或采用所述第二样本图像和所述第三样本图像构建负样本对，或采用所述第一样本图像和所述第四样本图像构建负样本对。

进一步地，所述采用所述正样本对和所述负样本对对初始模型进行训练，得到目标人脸识别模型，包括：将所述正样本对或所述负样本对分别输入特征提取网络，分别得到第一特征向量和第二特征向量；采用第一损失函数对第一特征向量和第二特征向量进行对比学习，将第一特征向量和第二特征向量输入分类器进行特征分类，对分类结果进行监督学习，得到目标人脸识别模型。