[发明专利]一种基于家庭基因模板的人脸识别方法和系统

说明书

本申请涉及一种基于家庭基因模板的人脸识别方法，该方法包括：基于父亲人脸图像和母亲人脸图像，得到家庭基因模板；根据家庭基因模板和儿童人脸图像，通过人脸预估网络生成预估儿童人脸图像，预估儿童人脸图像包括父亲人脸图像和母亲人脸图像的抽象五官特征；分别对儿童人脸图像和预估儿童人脸图像提取特征，分别得到第一特征向量和第二特征向量并进行向量融合，得到儿童人脸的注册特征向量并保存在人脸数据库；采集当前儿童人脸图像，通过人脸识别网络对其提取特征，得到当前特征向量，依据当前特征向量和注册特征向量，进行人脸识别。通过本申请，解决了现有技术中对于儿童人脸识别精度较低的问题，提升了儿童人脸识别的准确率。

技术领域

本申请涉及人脸识别技术领域，特别是涉及一种基于家庭基因模板的人脸识别方法和系统。

背景技术

人脸识别作为身份识别的重要方式，被广泛应用于医院、学校、公交地铁等各个场景中。当前，儿童人脸识别是该领域的一大挑战，主要原因是0-6岁年龄段的儿童脸部生物学特征不显著，且随时间变化较大。

现有的基于深度学习的人脸识别方法，普遍将成人作为训练图像。其中，由于成人面部发育成型，因此对于同一个体，其面部生物学特征随年龄变化差异不大。但是，对于0-6岁年龄段的儿童，由于其面部生物学特征随年龄变化较大，应用该类方法，通常会导致儿童人脸识别精度降低。

目前，针对相关技术中对于儿童人脸识别精度较低的问题，尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种基于家庭基因模板的人脸识别方法、系统、计算机设备和计算机可读存储介质，以至少解决相关技术中儿童人脸识别精度较低的问题。

第一方面，本申请实施例提供了一种基于家庭基因模板的人脸识别方法，所述方法包括：

获取父亲人脸图像、母亲人脸图像和儿童人脸图像，基于所述父亲人脸图像和所述母亲人脸图像，得到家庭基因模板；

根据所述家庭基因模板和所述儿童人脸图像，通过人脸预估网络生成预估儿童人脸图像，其中，基于对抗学习算法生成所述人脸预估网络，所述预估儿童人脸图像包括父亲人脸图像和母亲人脸图像的抽象五官特征；

通过人脸识别网络，分别对所述儿童人脸图像和所述预估儿童人脸图像提取特征，分别得到第一特征向量和第二特征向量并进行向量融合，得到儿童人脸的注册特征向量并保存在人脸数据库；

采集当前儿童人脸图像，通过所述人脸识别网络对其提取特征，得到当前特征向量，依据所述当前特征向量和所述注册特征向量，进行人脸识别。

在其中一些实施例中，基于所述父亲人脸图像和所述母亲人脸图像，得到家庭基因模板，包括：

在通道层融合所述父亲人脸图像和所述母亲人脸图像，得到父母融合人脸图像；

通过预设网络模型，根据所述父母融合人脸图像，得到所述家庭基因模板，

其中，采用多任务学习训练得到所述预设网络模型，所述预设网络模型包括：家庭基因提取网络和图像恢复网络。

在其中一些实施例中，采用多任务学习训练得到所述预设网络模型，包括：

构建双分支结构的预设网络，所述双分支网络结构包括主干分支和辅助分支，其中，所述主干分支用于家庭基因提取，所述辅助分支用于图像恢复；

确定预设损失函数，其中，所述预设损失函数包括：用于家庭基因提取的第一损失函数，和用于图像恢复的第二损失函数；

基于多组父母融合人脸图像和所述预设损失函数，对所述预设网络进行迭代训练，得到所述预设网络模型。

在其中一些实施例中，所述第一损失函数通过如下公式表示：