[发明专利]基于神经网络的人脸特征提取建模、人脸识别方法及装置

摘要

本发明提供一种基于神经网络的人脸特征提取建模方法及装置，从预设应用场景的训练集中获取三元组人脸图片；获取经过训练的人脸识别神经网络，并根据人脸识别神经网络确定三元组深度神经网络；将三元组人脸图片作为三元组深度神经网络的输入，确定损失代价函数值；根据损失代价函数值及训练参数在训练集上训练三元组深度神经网络；通过预设应用场景的测试集对三元组深度神经网络进行人脸识别测试，并根据测试结果确定测试精度，根据测试精度及三元组深度神经网络确定目标人脸特征提取模型。该方法及装置可以达到将建模得到的人脸特征模型应用在特定的人脸识别应用场景中时，人脸识别精度高的有益效果。本发明还提供一种人脸识别方法及装置。

主权项

1.一种基于神经网络的人脸特征提取建模方法，其特征在于，包括：从预设应用场景的训练集中获取三元组人脸图片；所述三元组人脸图片包括同一分类下的第一图片、第二图片，及另一分类下的第三图片；获取经过训练的人脸识别神经网络，并根据所述人脸识别神经网络确定三元组深度神经网络，所述三元组深度神经网络包括三个所述人脸识别神经网络的人脸特征提取模型；将所述三元组人脸图片作为所述三元组深度神经网络的输入，确定损失代价函数值；根据所述损失代价函数值及训练参数在所述训练集上训练所述三元组深度神经网络；通过所述预设应用场景的测试集对所述三元组深度神经网络进行人脸识别测试，并根据测试结果确定测试精度，根据所述测试精度及所述三元组深度神经网络确定目标人脸特征提取模型；所述将所述三元组人脸图片作为所述三元组深度神经网络的输入，确定损失代价函数值的步骤包括：将所述第一图片、所述第二图片及所述第三图片分别作为所述三元组深度神经网络中的三个所述人脸特征提取模型的输入，确定三个图片特征分别为第一特征、第二特征及第三特征；根据所述第一特征及所述第二特征确定同类特征距离，根据所述第一特征及所述第三特征确定异类特征距离，根据所述同类特征距离与所述异类特征距离的差加上特征距离阈值确定损失代价函数值；所述训练参数为：特征距离阈值为0.2且学习速率为0.001。