脸部识别方法、分类模型的训练方法、装置和存储介质制造方法及图纸

本申请提供一种脸部识别方法、分类模型的训练方法、装置和存储介质，属于计算机技术领域，涉及人工智能和计算机视觉技术。本申请根据待识别图像的脸部特征，确定所述脸部特征对应于各目标对象的类别分数值，基于各目标对象分别对应的类别分数值，获得所述待识别图像的第一识别结果，该第一识别结果用于指示待识别图像对应的目标对象。由于每个目标对象对应一个类别，该目标对象的不同拍摄状态的脸部图像的脸部特征均属于该目标对象对应的类别，因此，在确定脸部特征对应于各目标对象的类别分数值时，可以根据不同拍摄状态的脸部图像的脸部特征，确定各个脸部特征对应于各目标对象的类别分数值，提高对设定的目标对象的识别准确率。

Face recognition method, training method, device and storage medium of classification model

【技术实现步骤摘要】
脸部识别方法、分类模型的训练方法、装置和存储介质
本申请涉及计算机
，更具体地说，涉及一种脸部识别方法、分类模型的训练方法、装置和存储介质。
技术介绍
随着计算机技术和互联网技术的迅速发展，脸部识别技术在不同领域得到广泛应用，例如，人脸识别技术可以应用于考勤、屏幕解锁、门禁、安防、公安以及支付领域等。现有的脸部识别方法，通常采用相似度匹配的方式进行识别，预先获取并保存用户A的脸部图像作为种子，当针对用户A进行脸部识别时，从现场采集的待识别对象的脸部图像中提取特征，与作为种子的脸部图像进行特征对比。如果二者的相似度超过阈值，说明待识别对象是用户A；如果二者的相似度未达到阈值，说明待识别对象不是用户A。目前，在通过上述方法进行脸部识别时，往往需要待识别对象主动配合，采集待识别对象在光照充足的场景的正脸图像，才可以识别出待识别对象的身份，而对于侧脸或拍摄距离较远的小脸图像，往往无法进行识别。而在安防等部分应用场景中，例如在寻找走失儿童或追踪逃犯的场景中，监控摄像头拍摄的图像中人物的姿态多种多样，存在较多的侧脸，同时，由于摄像头画质的差异或环境光照等因素的影响，拍摄的图像中还可能存在人物的脸部模糊的现象，采用这些图像进行脸部识别时，现有的脸部识别方法的识别准确率很低，往往无法正确识别出待查找的目标对象，导致多次错过待查找的目标对象。
技术实现思路
为解决现有存在的技术问题，本申请实施例提供一种脸部识别方法、分类模型的训练方法、装置和存储介质，可以提高对设定的目标对象的识别准确率，并提高识别出设定的目标对象的机率。为达到上述目的，本申请实施例的技术方案是这样实现的：第一方面，本申请实施例提供一种脸部识别方法，包括：提取待识别图像的脸部特征；根据待识别图像的脸部特征，确定所述脸部特征对应于各目标对象的类别分数值；基于各目标对象分别对应的类别分数值，获得所述待识别图像的第一识别结果；所述第一识别结果用于指示所待识别图像中脸部特征对应的目标对象。第二方面，本申请实施例提供一种分类模型的训练方法，所述分类模型应用于第一方面所述的脸部识别方法，所述训练方法包括：从训练数据集中抽取脸部样本图像；所述训练数据集中包括正样本和负样本，所述正样本包括至少一个目标对象的脸部样本图像集，所述负样本包括非目标对象的脸部样本图像，每张脸部样本图像均标注有类别标签，正样本的类别标签用于指示该脸部样本图像对应的目标对象，负样本的类别标签用于指示该脸部样本图像不对应任何一个目标对象；提取脸部样本图像的脸部特征；将脸部样本图像的脸部特征输入分类模型，得到脸部样本图像的识别结果；根据脸部样本图像的识别结果与脸部样本图像的类别标签，确定损失值；根据损失值对所述分类模型的参数进行调整，直至所述损失值收敛至预设的期望值为止，得到已训练的分类模型。在一种可选的实施例中，若所述分类模型为用于分类的卷积神经网络，所述脸部样本图像的识别结果为所述脸部特征匹配各个目标对象的类别分数值；若所述分类模型为包括至少一个SVM分类器，所述脸部样本图像的识别结果为每个SVM分类器输出的判定结果，所述判定结果为所述脸部特征匹配该SVM分类器对应的目标对象的类别分数值。在一种可选的实施例中，所述分类模型的训练过程，还包括：若已训练的分类模型未达到预期效果，向所述训练数据集中添加正样本或负样本；添加的正样本为训练过程中被误识别为非目标对象的脸部样本图像，添加的负样本为训练过程中被误识别为目标对象的脸部样本图像；采用添加样本后的训练数据集对所述分类模型继续进行训练。第三方面，本申请实施例提供一种脸部识别装置，包括：特征提取单元，用于提取待识别图像的脸部特征；身份识别单元，用于根据待识别图像的脸部特征，确定所述脸部特征对应于各目标对象的类别分数值；基于各目标对象分别对应的类别分数值，获得所述待识别图像的第一识别结果；所述第一识别结果用于指示所待识别图像中脸部特征对应的目标对象。在一种可选的实施例中，所述身份识别单元，还用于：将所述脸部特征输入已训练的分类模型，得到所述分类模型输出的所述脸部特征对应于各目标对象的类别分数值，其中，所述分类模型是根据至少一个目标对象的脸部样本图像集训练得到的，每个目标对象的脸部样本图像集包括该目标对象在不同拍摄状态的多张脸部样本图像。在一种可选的实施例中，所述身份识别单元，还用于：将所述脸部特征与保存的各个脸部数据进行相似度比对，每个脸部数据对应一个候选对象；根据相似度比对结果，获得所述待识别图像的第二识别结果，所述第二识别结果用于指示与所述脸部特征匹配的候选对象；以及根据所述第一识别结果和所述第二识别结果，确定对所述待识别图像的脸部识别结果。在一种可选的实施例中，所述身份识别单元，还用于：在确认所述第二识别结果指示的候选对象包括至少两个之后，将所述脸部特征输入已训练的分类模型；以及将所述第一识别结果作为对所述待识别图像的脸部识别结果。在一种可选的实施例中，所述身份识别单元，还用于：在确认根据所述分类模型未获得所述脸部特征的分类类别之后，将所述脸部特征与待比对脸部数据进行相似度比对。在一种可选的实施例中，所述分类模型为用于分类的卷积神经网络，或者，所述分类模型包括至少一个SVM分类器，每个SVM分类器对应一个目标对象，不同的SVM分类器对应不同的目标对象，每个所述SVM分类器用于根据输入的脸部特征输出判定结果，所述判定结果为所述脸部特征匹配该SVM分类器对应的目标对象的类别分数值。在一种可选的实施例中，所述装置还包括模型训练单元，用于：从训练数据集中抽取脸部样本图像；所述训练数据集中包括正样本和负样本，所述正样本包括至少一个目标对象的脸部样本图像集，所述负样本包括非目标对象的脸部样本图像；每张脸部样本图像均标注有类别标签，正样本的类别标签用于指示该脸部样本图像对应的目标对象，负样本的类别标签用于指示该脸部样本图像不对应任何一个目标对象；提取脸部样本图像的脸部特征；将脸部样本图像的脸部特征输入分类模型，得到脸部样本图像的识别结果；根据脸部样本图像的识别结果与脸部样本图像的类别标签，确定损失值；根据损失值对所述分类模型的参数进行调整，直至所述损失值收敛至预设的期望值为止，得到已训练的分类模型。在一种可选的实施例中，若所述分类模型为用于分类的卷积神经网络，所述脸部样本图像的识别结果为所述脸部特征匹配各个目标对象的概率；若所述分类模型为包括至少一个SVM分类器，所述脸部样本图像的识别结果为每个SVM分类器输出的判定结果。在一种可选的实施例中，所述模型训练单元，还用于：若已训练的分类模型未达到预期效果，向所述训练数据集中添加正样本或负样本；添加的正样本为训练过程中被误识别为非目标对象的脸部样本图像，添加的负样本为训练过程中被误识别为目标对象的脸部样本图像；采用添本文档来自技高网...

【技术保护点】
1.一种脸部识别方法，其特征在于，包括：/n提取待识别图像的脸部特征；/n根据待识别图像的脸部特征，确定所述脸部特征对应于各目标对象的类别分数值；/n基于各目标对象分别对应的类别分数值，获得所述待识别图像的第一识别结果；所述第一识别结果用于指示所述待识别图像中脸部特征对应的目标对象。/n

【技术特征摘要】
1.一种脸部识别方法，其特征在于，包括：
提取待识别图像的脸部特征；
根据待识别图像的脸部特征，确定所述脸部特征对应于各目标对象的类别分数值；
基于各目标对象分别对应的类别分数值，获得所述待识别图像的第一识别结果；所述第一识别结果用于指示所述待识别图像中脸部特征对应的目标对象。


2.根据权利要求1所述的方法，其特征在于，所述根据待识别图像的脸部特征，确定所述脸部特征对应于各目标对象的类别分数值，包括：
将所述脸部特征输入已训练的分类模型，得到所述分类模型输出的所述脸部特征对应于各目标对象的类别分数值，其中，所述分类模型是根据至少一个目标对象的脸部样本图像集训练得到的，每个目标对象的脸部样本图像集包括该目标对象在不同拍摄状态的多张脸部样本图像。


3.根据权利要求1所述的方法，其特征在于，所述提取待识别图像的脸部特征之后，所述方法还包括：
将所述脸部特征与保存的各个脸部数据进行相似度比对，每个脸部数据对应一个候选对象；
根据相似度比对结果，获得所述待识别图像的第二识别结果，所述第二识别结果用于指示与所述脸部特征匹配的候选对象；
所述获得所述待识别图像的第一识别结果之后，所述方法还包括：
根据所述第一识别结果和所述第二识别结果，确定对所述待识别图像的脸部识别结果。


4.根据权利要求3所述的方法，其特征在于，所述将所述脸部特征输入已训练的分类模型之前，所述方法还包括：
确认所述第二识别结果指示的候选对象包括至少两个；
所述根据所述第一识别结果和所述第二识别结果，确定对所述待识别图像的脸部识别结果，包括：
将所述第一识别结果作为对所述待识别图像的脸部识别结果。


5.根据权利要求3所述的方法，其特征在于，所述将所述脸部特征与待比对脸部数据进行相似度比对之前，所述方法还包括：
确认所述第一识别结果指示未获得所述脸部特征对应的目标对象。


6.根据权利要求3所述的方法，其特征在于，所述方法还包括：
若所述第二识别结果指示的候选对象与所述第一识别结果指示的目标对象不一致，根据所述待识别图像获得用于训练所述分类模型的脸部样本图像。


7.根据权利要求2～6任一项所述的方法，其特征在于，所述分类模型为用于分类的卷积神经网络，或者，所述分类模型包括至少一个SVM分类器，每个SVM分类器对应一个目标对象，不同的SVM分类器对应不同的目标对象，每个所述SVM分类器用于根据输入的脸部特征输出判定结果，所述判定结果为所述脸部特征匹配该SVM分类器对应的目标对象的类别分数值。


8.根据权利要求2～6任一项所述的方法，其特征在于，所述分类模型的训练过程，包括：
从训练数据集中抽取脸部样本图像；所述训练数据集中包括正样本和负样本，所述正样本包括至少一个目标对象的脸部样本图像集，所述负样本包括非目标对象的脸部样本图像；每张脸部样本图像均标注有类别标签，正样本的类别标签用于指示该脸部样本图像对应的目标对象，负样本的类别标签用于指示该脸部样本图像不对应任何一个目标对象；
提取脸部样本图像的脸部特征；
将脸部样本图像的脸部特征输入分类模型，得到脸部样本图像的识别结果；
根据脸部样本图像的识别结果与脸部样本图像的类别标签，确定损失值；
根据损失值对所述分类模型的参数进行调整，直至所述损失值收敛至预设的期望值为止，得到已训练的分类模型。


9.根据权利要求8所述...

【专利技术属性】
技术研发人员：叶泽雄，黎伟，肖万鹏，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44