查询人物的面部图像的方法、装置和服务器制造方法及图纸

本公开是关于一种查询人物的面部图像的方法、装置和服务器，属于人脸识别技术领域，该方法包括基于图像重建，对第一图像特征提取模型进行训练，得到第二图像特征提取模型；基于所述第二图像特征提取模型，分别提取数据库中的各面部图像的特征信息，其中，所述特征信息包括身份特征值和状态特征值；当接收终端发送的携带有目标面部图像的图像查询请求时，基于所述第二图像特征提取模型，提取所述目标面部图像的特征信息；基于所述目标面部图像的特征信息和所述数据库中各面部图像的特征信息，确定与所述目标面部图像满足预设相似度条件的面部图像，发送给所述终端。采用本公开，可以提高查询面部图像的精细度。

A Method, Device and Server for Querying Face Images of Persons

【技术实现步骤摘要】
查询人物的面部图像的方法、装置和服务器
本公开涉及人脸识别
，尤其涉及查询人物的面部图像的方法、装置和服务器。
技术介绍
互联网技术的快速发展，为人们的工作和生活提供了极大的方便，例如，用户可以通过互联网进行图像查询工作。在一种应用场景中，当用户打算查询具有某一特征的面部图像时，可以在搜索引擎中输入该特征的信息，如瓜子脸、双眼皮等，服务器可以基于输入的特征信息，向终端返回查询结果。相关技术中，查询人物的面部图像的方法，通过关键词进行查询，关键词往往只能粗略的反映面部图像的某种特征，所以，只能做到粗略的查询，无法做到精细的查询。
技术实现思路
本公开提供一种查询人物的面部图像的方法、装置和服务器，能够克服相关技术中，查询人物的面部图像的方法，只能做到粗略的查询，无法做到精细的查询的问题。根据本公开实施例的第一方面，提供一种查询人物的面部图像的方法，所述方法包括：基于图像重建，对第一图像特征提取模型进行训练，得到第二图像特征提取模型；基于所述第二图像特征提取模型，分别提取数据库中的各面部图像的特征信息，其中，所述特征信息包括身份特征值和状态特征值；当接收终端发送的携带有目标面部图像的图像查询请求时，基于所述第二图像特征提取模型，提取所述目标面部图像的特征信息；基于所述目标面部图像的特征信息和所述数据库中各面部图像的特征信息，确定与所述目标面部图像满足预设相似度条件的面部图像，发送给所述终端。可选的，所述基于图像重建，对第一图像特征提取模型进行训练，得到第二图像特征提取模型，包括：逐个获取样本面部图像，每获取一个样本面部图像，基于第一图像特征提取模型，提取所述样本面部图像的特征信息，将所述特征信息输入预先训练的图像重建模型，得到所述样本面部图像的重建面部图像，基于所述样本面部图像和所述重建面部图像，确定图像重建损失，基于所述图像重建损失，对所述第一图像特征提取模型进行参数训练更新，直到满足循环结束条件时，将当前训练完毕的第一图像特征提取模型，确定为第二图像特征提取模型。可选的，所述基于第一图像特征提取模型，提取所述样本面部图像的特征信息，包括：基于第一图像特征提取模型，提取所述样本面部图像的特征信息和预测分类标识；所述方法还包括：基于所述预测分类标识和获取到的所述样本面部图像的实际分类标识，确定分类损失；基于所述图像重建损失，对所述第一图像特征提取模型进行参数训练更新，包括：基于所述图像重建损失和所述分类损失，对所述第一图像特征提取模型进行参数训练更新。可选的，基于所述图像重建损失和所述分类损失，对所述第一图像特征提取模型进行参数训练更新，包括：基于公式L＝a×L1+b×L2，确定总损失，其中，L为总损失，L1为分类损失，L2为图像重建损失，a为分类损失的权重系数，b为图像重建损失的权重系数；基于所述总损失，对所述第一图像特征提取模型进行参数训练更新。可选的，所述方法还包括：获取多对样本面部图像、每对样本面部图像的参考相似度以及每个样本面部图像的实际分类标识；基于所述多对样本面部图像、每对样本面部图像的参考相似度以及每个样本面部图像的实际分类标识，对初始图像特征提取模型进行训练，得到第一图像特征提取模型。可选的，所述基于所述目标面部图像的特征信息和所述数据库中各面部图像的特征信息，确定与所述目标面部图像满足预设相似度条件的面部图像，发送给所述终端，包括：基于所述目标面部图像的特征信息和所述数据库中各面部图像的特征信息，确定所述目标面部图像分别与所述数据库中各面部图像的相似度；将大于相似度阈值的相似度对应的面部图像，发送给所述终端。可选的，所述基于所述目标面部图像的特征信息和所述数据库中各面部图像的特征信息，确定与所述目标面部图像满足预设相似度条件的面部图像，发送给所述终端，包括：基于所述目标面部图像的特征信息和所述数据库中各面部图像的特征信息，确定所述目标面部图像分别与所述数据库中各面部图像的相似度；将最大的相似度对应的面部图像，发送给所述终端。根据本公开实施例的第二方面，提供一种查询人物的面部图像的装置，包括：训练模块，被配置为执行基于图像重建，对第一图像特征提取模型进行训练，得到第二图像特征提取模型；第一提取模块，被配置为执行基于所述第二图像特征提取模型，分别提取数据库中的各面部图像的特征信息，其中，所述特征信息包括身份特征值和状态特征值；第二提取模块，被配置为执行当接收终端发送的携带有目标面部图像的图像查询请求时，基于所述第二图像特征提取模型，提取所述目标面部图像的特征信息；确定模块，被配置为执行基于所述目标面部图像的特征信息和所述数据库中各面部图像的特征信息，确定与所述目标面部图像满足预设相似度条件的面部图像，发送给所述终端。可选的，所述的训练模块，具体被配置为执行：逐个获取样本面部图像，每获取一个样本面部图像，基于第一图像特征提取模型，提取所述样本面部图像的特征信息，将所述特征信息输入预先训练的图像重建模型，得到所述样本面部图像的重建面部图像，基于所述样本面部图像和所述重建面部图像，确定图像重建损失，基于所述图像重建损失，对所述第一图像特征提取模型进行参数训练更新，直到满足循环结束条件时，将当前训练完毕的第一图像特征提取模型，确定为第二图像特征提取模型。可选的，所述的训练模块，具体被配置为执行：基于第一图像特征提取模型，提取所述样本面部图像的特征信息和预测分类标识；所述训练模块，还被配置为执行：基于所述预测分类标识和获取到的所述样本面部图像的实际分类标识，确定分类损失；所述训练模块，具体被配置为执行：基于所述图像重建损失和所述分类损失，对所述第一图像特征提取模型进行参数训练更新。可选的，所述的训练模块，具体被配置为执行：基于公式L＝a×L1+b×L2，确定总损失，其中，L为总损失，L1为分类损失，L2为图像重建损失，a为分类损失的权重系数，b为图像重建损失的权重系数；基于所述总损失，对所述第一图像特征提取模型进行参数训练更新。可选的，所述的装置还包括：获取模块，被配置为执行获取多对样本面部图像、每对样本面部图像的参考相似度以及每个样本面部图像的实际分类标识；初始训练模块，被配置为执行基于所述多对样本面部图像、每对样本面部图像的参考相似度以及每个样本面部图像的实际分类标识，对初始图像特征提取模型进行训练，得到第一图像特征提取模型。可选的，所述的确定模块，包括：确定单元，被配置为执行基于所述目标面部图像的特征信息和所述数据库中各面部图像的特征信息，确定所述目标面部图像分别与所述数据库中各面部图像的相似度；发送单元，被配置为执行将大于相似度阈值的相似度对应的面部图像，发送给所述终端。可选的，所述的确定模块，包括：确定单元，被配置为执行基于所述目标面部图像的特征信息和所述数据库中各面部图像的特征信息，确定所述目标面部图像分别与所述数据库中各面部图像的相似度；发送单元，被配置为执行将最大的相似度对应的面部图像，发送给所述终端。根据本公开实施例的第三方面，提供一种服务器，包括：一个或多个处理器；用于存储所述一个或多个处理器可执行指令的一个或多个存储器；其中，所述一个或多个处理器被配置为执行上述所述的查询人物的面部图像的方法。根据本公开实施例的第四方面，提供一种非临时性计算机可读存储介质，当所述本文档来自技高网...

【技术保护点】
1.一种查询人物的面部图像的方法，其特征在于，所述方法包括：基于图像重建，对第一图像特征提取模型进行训练，得到第二图像特征提取模型；基于所述第二图像特征提取模型，分别提取数据库中的各面部图像的特征信息，其中，所述特征信息包括身份特征值和状态特征值；当接收终端发送的携带有目标面部图像的图像查询请求时，基于所述第二图像特征提取模型，提取所述目标面部图像的特征信息；基于所述目标面部图像的特征信息和所述数据库中各面部图像的特征信息，确定与所述目标面部图像满足预设相似度条件的面部图像，发送给所述终端。

【技术特征摘要】
1.一种查询人物的面部图像的方法，其特征在于，所述方法包括：基于图像重建，对第一图像特征提取模型进行训练，得到第二图像特征提取模型；基于所述第二图像特征提取模型，分别提取数据库中的各面部图像的特征信息，其中，所述特征信息包括身份特征值和状态特征值；当接收终端发送的携带有目标面部图像的图像查询请求时，基于所述第二图像特征提取模型，提取所述目标面部图像的特征信息；基于所述目标面部图像的特征信息和所述数据库中各面部图像的特征信息，确定与所述目标面部图像满足预设相似度条件的面部图像，发送给所述终端。2.根据权利要求1所述的方法，其特征在于，所述基于图像重建，对第一图像特征提取模型进行训练，得到第二图像特征提取模型，包括：逐个获取样本面部图像，每获取一个样本面部图像，基于第一图像特征提取模型，提取所述样本面部图像的特征信息，将所述特征信息输入预先训练的图像重建模型，得到所述样本面部图像的重建面部图像，基于所述样本面部图像和所述重建面部图像，确定图像重建损失，基于所述图像重建损失，对所述第一图像特征提取模型进行参数训练更新，直到满足循环结束条件时，将当前训练完毕的第一图像特征提取模型，确定为第二图像特征提取模型。3.根据权利要求2所述的方法，其特征在于，所述基于第一图像特征提取模型，提取所述样本面部图像的特征信息，包括：基于第一图像特征提取模型，提取所述样本面部图像的特征信息和预测分类标识；所述方法还包括：基于所述预测分类标识和获取到的所述样本面部图像的实际分类标识，确定分类损失；基于所述图像重建损失，对所述第一图像特征提取模型进行参数训练更新，包括：基于所述图像重建损失和所述分类损失，对所述第一图像特征提取模型进行参数训练更新。4.根据权利要求3所述的方法，其特征在于，基于所述图像重建损失和所述分类损失，对所述第一图像特征提取模型进行参数训练更新，包括：基于公式L＝a×L1+b×L2，确定总损失，其中，L为总损失，L1为分类损失，L2为图像重建损失，a为分类损失的权重系数，b为图像重建损失的权重系数；基于所述总损失，对所述第一图像特征提取模型进行参数训练更新。5.根据权利要求3所述的方法，其特征在于，所述方法还包括：获取多对样本面部图像、每对样本面部图像的参考...

【专利技术属性】
技术研发人员：杨帆，李思萌，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：北京,11