用于识别人脸属性的方法和装置制造方法及图纸

本公开的实施例公开了用于识别人脸属性的方法和装置。该方法的一具体实施方式包括：将待检测人脸图像输入预先训练的姿态转正模型，得到姿态经转正后的目标人脸图像；对目标人脸图像进行特征提取，得到图像特征信息；对图像特征信息进行解析，确定人脸属性信息。该实施方式通过在进行人脸属性识别之前获取姿态经转正后的目标人脸图像，而后基于该目标人脸图像进行人脸属性识别，可以提高人脸属性识别结果的稳定性。

A Method and Device for Recognizing Face Attributes

【技术实现步骤摘要】
用于识别人脸属性的方法和装置
本公开的实施例涉及计算机
，具体涉及用于识别人脸属性的方法和装置。
技术介绍
人脸识别作为一项互联网领域热门的技术，在互联网产品很多领域都有着广泛的应用。其中，人脸识别的技术包括人脸属性识别。人脸属性例如可以包括但不限于年龄、性别、种族等等。现有的人脸属性识别技术一般是对识别出的人脸图像区域进行人脸属性识别。
技术实现思路
本公开的实施例提出了用于识别人脸属性的方法和装置。第一方面，本公开的实施例提供了一种用于识别人脸属性的方法，包括：将待检测人脸图像输入预先训练的姿态转正模型，得到姿态经转正后的目标人脸图像；对目标人脸图像进行特征提取，得到图像特征信息；对图像特征信息进行解析，确定人脸属性信息。在一些实施例中，姿态转正模型通过以下步骤训练得到：获取训练样本集合，其中，每个训练样本包括样本用户的处于正姿态的第一人脸图像和处于非正姿态的第二人脸图像；将训练样本集合中的训练样本所包括的第二人脸图像作为输入，将与输入的第二人脸图像对应的第一人脸图像作为输出，训练得到姿态转正模型。在一些实施例中，对目标人脸图像进行特征提取，得到图像特征信息，包括：将目标人脸图像输入预先训练的图像特征提取模型，得到图像特征信息。在一些实施例中，对图像特征信息进行解析，确定人脸属性信息，包括：将图像特征信息输入预先训练的人脸属性识别模型，得到人脸属性信息。在一些实施例中，图像特征提取模型和人脸属性识别模型归属于同一卷积神经网络。在一些实施例中，上述方法还包括：输出人脸属性信息。第二方面，本公开的实施例提供了一种用于识别人脸属性的装置，该装置包括：获取单元，被配置成将待检测人脸图像输入预先训练的姿态转正模型，得到姿态经转正后的目标人脸图像；提取单元，被配置成对目标人脸图像进行特征提取，得到图像特征信息；确定单元，被配置成对图像特征信息进行解析，确定人脸属性信息。在一些实施例中，姿态转正模型通过以下步骤训练得到：获取训练样本集合，其中，每个训练样本包括样本用户的处于正姿态的第一人脸图像和处于非正姿态的第二人脸图像；将训练样本集合中的训练样本所包括的第二人脸图像作为输入，将与输入的第二人脸图像对应的第一人脸图像作为输出，训练得到姿态转正模型。在一些实施例中，提取单元进一步被配置成：将目标人脸图像输入预先训练的图像特征提取模型，得到图像特征信息。在一些实施例中，确定单元进一步被配置成：将图像特征信息输入预先训练的人脸属性识别模型，得到人脸属性信息。在一些实施例中，图像特征提取模型和人脸属性识别模型归属于同一卷积神经网络。在一些实施例中，上述装置还包括：输出单元，被配置成输出人脸属性信息。第三方面，本公开的实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当该一个或多个程序被该一个或多个处理器执行，使得该一个或多个处理器实现如第一方面中任一实现方式描述的方法。第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面中任一实现方式描述的方法。本公开的上述实施例提供的用于识别人脸属性的方法和装置，通过将待检测人脸图像输入预先训练的姿态转正模型，得到姿态经转正后的目标人脸图像，而后对目标人脸图像进行特征提取，得到图像特征信息，然后对图像特征信息进行解析，以便确定人脸属性信息。实际上，一个人的各种姿态会对人脸属性识别结果的稳定性产生一定的影响。本公开的上述实施例提供的方案，通过在进行人脸属性识别之前获取姿态经转正后的目标人脸图像，而后基于该目标人脸图像进行人脸属性识别，相较于现有的对识别出的人脸图像区域进行人脸属性识别的方法，可以提高人脸属性识别结果的稳定性。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：图1是本公开的一些实施例可以应用于其中的示例性系统架构图；图2是根据本公开的用于识别人脸属性的方法的一个实施例的流程图；图3是根据本公开的用于识别人脸属性的方法的一个应用场景的示意图；图4是根据本公开的用于识别人脸属性的方法的又一个实施例的流程图；图5是根据本公开的用于识别人脸属性的装置的一个实施例的结构示意图；图6是适于用来实现本公开的一些实施例的电子设备的计算机系统的结构示意图。具体实施方式下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关公开，而非对该公开的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关公开相关的部分。需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。图1示出了可以应用本公开的用于识别人脸属性的方法或用于识别人脸属性的装置的实施例的示例性系统架构100。如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、人脸属性识别类应用等等。终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机、台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上安装的人脸属性识别类应用提供支持的后台服务器，该后台服务器例如可以响应于终端设备101、102、103发送的人脸属性识别请求，基于该请求进行相应的信息处理。需要说明的是，本公开的一些实施例提供的用于识别人脸属性的方法一般由服务器105执行。相应地，用于识别人脸属性的装置一般设置于服务器105中。需要指出的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。继续参考图2，其示出了根据本公开的用于识别人脸属性的方法的一个实施例的流程200。该用于识别人脸属性的方法的流程200，包括以下步骤：步骤201，将待检测人脸图像输入预先训练的姿态转正模型，得到姿态经转正后的目标人脸图像。在本实施例中，用于识别人脸属性的方法的执行主体可以是服务器(例如图1所示的服务器105)。上述执行主体例如可以响应于用户通过终端设备(例如图1所示的终端设备101、102、103)发送的本文档来自技高网...

【技术保护点】
1.一种用于识别人脸属性的方法，包括：将待检测人脸图像输入预先训练的姿态转正模型，得到姿态经转正后的目标人脸图像；对所述目标人脸图像进行特征提取，得到图像特征信息；对所述图像特征信息进行解析，确定人脸属性信息。

【技术特征摘要】
1.一种用于识别人脸属性的方法，包括：将待检测人脸图像输入预先训练的姿态转正模型，得到姿态经转正后的目标人脸图像；对所述目标人脸图像进行特征提取，得到图像特征信息；对所述图像特征信息进行解析，确定人脸属性信息。2.根据权利要求1所述的方法，其中，所述姿态转正模型通过以下步骤训练得到：获取训练样本集合，其中，每个训练样本包括样本用户的处于正姿态的第一人脸图像和处于非正姿态的第二人脸图像；将所述训练样本集合中的训练样本所包括的第二人脸图像作为输入，将与输入的第二人脸图像对应的第一人脸图像作为输出，训练得到所述姿态转正模型。3.根据权利要求1-2之一所述的方法，其中，所述对所述目标人脸图像进行特征提取，得到图像特征信息，包括：将所述目标人脸图像输入预先训练的图像特征提取模型，得到所述图像特征信息。4.根据权利要求3所述的方法，其中，所述对所述图像特征信息进行解析，确定人脸属性信息，包括：将所述图像特征信息输入预先训练的人脸属性识别模型，得到所述人脸属性信息。5.根据权利要求4所述的方法，其中，所述图像特征提取模型和所述人脸属性识别模型归属于同一卷积神经网络。6.根据权利要求1-2、4-5之一所述的方法，其中，所述方法还包括：输出所述人脸属性信息。7.一种用于识别人脸属性的装置，包括：获取单元，被配置成将待检测人脸图像输入预先训练的姿态转正模型，得到姿态经转正后的目标人脸图像；提取单元，被配置成对所述目标人脸...

【专利技术属性】
技术研发人员：陈日伟，
申请(专利权)人：北京字节跳动网络技术有限公司，
类型：发明
国别省市：北京,11