[发明专利]生活照人物识别模型训练方法、人物识别方法及电子设备

权利要求书

1.一种生活照人物识别模型训练方法，其特征在于，包括：

基于深度残差网络构建初始生活照人物识别模型；

获取包含待测人物的生活照样本集，所述样本集包括待测图像和对照图像；

将所述待测图像和对照图像输入所述初始生活照人物识别模型，处理得到待测人物特征图、对照人物特征图、待测背景特征图和对照背景特征图；

基于预设的融合神经网络模型将所述待测人物特征图和待测背景特征图进行融合得到待测融合人物特征，还将所述对照人物特征图和对照背景特征图进行融合得到对照融合人物特征；

以所述待测融合人物特征和对照融合人物特征作为节点，基于不同节点之间的连接关系确定所述待测融合人物特征之间的待测组内人物关系、对照融合人物特征之间的对照组内人物关系以及所述待测融合人物特征与对照融合人物特征之间的组间人物关系；

基于所述待测组内人物关系与所述组间人物关系构建邻接矩阵，并将所述待测组内人物关系与所述组间人物关系进行维度拼接得到最终人物特征图；

对所述最终人物特征图和所述邻接矩阵采用了多种损失函数计算损失，根据计算的损失值对所述初始生活照人物识别模型的模型参数进行更新，直至模型收敛得到生活照人物识别模型。

2.根据权利要求1所述的一种生活照人物识别模型训练方法，其特征在于，所述将所述待测图像和对照图像输入所述初始生活照人物识别模型，处理得到待测人物特征图和对照人物特征图，包括：

将所述待测图像与对照图像已标注的人物框中的人物图像均分割为P块区域，基于人物不同的身体区域采用L个池化层替换所述初始生活照人物识别模型最后一层的平均池化层，其中，所述P和L均为大于1的整数；

分别对所述待测图像与对照图像中的人物的P块身体区域进行特征提取，分别得到S个不同身体区域的特征向量，再将S个不同身体区域的特征向量进行拼接，分别得到待测人物特征图和对照人物特征图,其中，所述S为大于1的整数；

其中，所述待测图像与对照图像均包含K个已标注人物框的人物，所述待测人物特征图和对照人物特征图的数量均为R，所述K和R均为大于1的整数。

3.根据权利要求1所述的一种生活照人物识别模型训练方法，其特征在于，所述将所述待测图像和对照图像输入所述初始生活照人物识别模型，处理得到待测背景特征图和对照背景特征图包括：

将所述待测图像与对照图像已标注的人物框中的像素抹除，得到仅包含背景信息的待测背景图像与对照背景图像；

去除所述初始生活照人物识别模型中的全连接层和归一化层，分别对所述待测背景图像和对照背景图像进行特征提取，分别得到待测背景特征图和对照背景特征图。

4.根据权利要求1所述的一种生活照人物识别模型训练方法，其特征在于，所述基于预设的融合神经网络模型将所述待测人物特征图和待测背景特征图进行融合得到待测融合人物特征，还将所述对照人物特征图和对照背景特征图进行融合得到对照融合人物特征，包括：

基于预设的融合神经网络模型分别将所述R个待测人物特征图与待测背景特征图进行融合得到O个待测融合人物特征，还分别将所述R个对照人物特征图与对照背景特征图进行融合得到Q个对照融合人物特征，其中，所述O和Q均为大于1的整数；

其中，所述待测融合人物特征包含所述待测人物特征和待测背景特征，所述对照融合人物特征包含所述对照人物特征和对照背景特征。