人脸识别方法和装置制造方法及图纸

本公开提供了一种人脸识别方法，包括：获取带有标签类别的样本人脸图像；将样本人脸图像输入第一训练模型，得到所述样本人脸图像的第一结果，该第一结果包括所述样本人脸图像关于各类别的得分；当第一结果和标签类别不相匹配时，基于预设规则降低所述样本人脸图像关于所述标签类别的得分相对于所述第一结果的分布概率；基于降低后的分布概率获得所述样本人脸图像关于第一训练模型的损失值，基于所述损失值优化第一训练模型的参数，得到更新的第一训练模型；当满足一定条件时，将更新的第一训练模型作为最优模型；以及基于所述最优模型对待识别人脸图像进行识别。本公开还提供了一种人脸识别装置、一种计算机设备以及一种计算机可读存储介质。

【技术实现步骤摘要】
人脸识别方法和装置
本公开涉及计算机
，更具体地，涉及一种人脸识别方法和装置。
技术介绍
人脸识别(FaceRecognition)是模式识别和计算机视觉研究领域的基础研究问题之一，有很大的实际应用价值，广泛应用在人脸门禁、无人超市、无人仓储物流中、智能机器人等。人脸识别主要解决的问题是：学习出判别性较强的人脸识别特征，使得同一个人的类内特征比较接近，而不同人之间的特征尽可能远，以达到识别人脸身份的目的。近年来，随着深度学习与卷积神经网络(ConvolutionalNeuralNetwork)的发展，人脸识别技术得到了极大的发展，很多场景都应用到了人脸识别技术。但是对于监控视频，人脸门禁和无人超市等场景，人脸识别的性能仍然有待提升。究其原因，主要是由于场景的变化程度大，导致人脸特征的判别性不强，失去了有效性。
技术实现思路
有鉴于此，本公开提供了一种改进的人脸识别方法和装置。本公开的一个方面提供了人脸识别方法，包括：获取样本人脸图像，其中所述样本人脸图像带有标签类别；将所述样本人脸图像输入第一训练模型，得到所述样本人脸图像的第一结果，其中所述第一结果包括所述样本人脸图像关于各类别的得分；当所述样本人脸图像的第一结果和标签类别不相匹配时，基于预设规则降低所述样本人脸图像关于所述标签类别的得分相对于所述第一结果的分布概率；基于降低后的所述分布概率获得所述样本人脸图像关于第一训练模型的损失值，基于所述损失值优化第一训练模型的参数，得到更新的第一训练模型；当所述样本人脸图像关于更新的第一训练模型的损失值小于预设阈值时，将更新的第一训练模型作为最优模型；以及，获取待识别人脸图像，基于所述最优模型对所述待识别人脸图像进行识别。根据本公开的实施例，在上述得到所述样本人脸图像的第一结果之后，上述方法还包括：将所述样本人脸图像关于所述标签类别的得分与所述样本人脸图像关于除所述标签类别之外的其他类别的得分进行比较；当关于所述标签类别的得分大于等于关于所述其他类别的得分时，确定所述样本人脸图像的第一结果和所述标签类别相匹配；以及，当关于所述标签类别的得分小于关于所述其他类别的得分时，确定所述样本人脸图像的第一结果和标签类别不相匹配。根据本公开的实施例，上述基于预设规则降低所述样本人脸图像关于所述标签类别的得分相对于所述第一结果的分布概率包括：增大与所述样本人脸图像关于除所述标签类别之外的其他类别的得分对应的指标。根据本公开的实施例，上述增大所述样本人脸图像关于除所述标签类别之外的其他类别的得分对应的指标包括：增加与所述样本人脸图像关于所述其他类别的得分对应的指标的权重。根据本公开的实施例，上述增加所述样本人脸图像关于所述其他类别的得分对应的指标的权重包括：定义指示函数，其中，当所述样本人脸图像的第一结果和标签类别相匹配时，所述指定函数的取值为1，当所述样本人脸图像的第一结果和标签类别不相匹配时，所述指示函数的取值大于1；将所述指示函数作为与所述样本人脸图像关于所述其他类别的得分对应的指标的权重。根据本公开的实施例，上述增大所述样本人脸图像关于除所述标签类别之外的其他类别的得分对应的指标包括：利用第一间隔函数基于所述其他类别的取值替代所述样本人脸图像关于所述其他类别的得分，其中，所述第一间隔函数被设置为基于所述其他类别的取值大于所述样本人脸图像关于所述其他类别的得分。根据本公开的实施例，上述基于预设规则降低所述样本人脸图像关于所述标签类别的得分相对于所述第一结果的分布概率还包括：利用第二间隔函数基于所述标签类别的取值替代所述样本人脸图像关于所述标签类别的得分，其中，所述第二间隔函数被设置为基于所述标签类别的取值小于所述样本人脸图像关于所述标签类别的得分。根据本公开的实施例，上述基于降低后的所述分布概率获得所述样本人脸图像关于第一训练模型的损失值包括：根据降低后的所述分布概率和软最大化交叉熵损失函数，计算得到所述样本人脸图像关于第一训练模型的损失值。本公开的另一个方面提供了一种人脸识别装置，包括：获取模块、训练模块、调整模块、更新模块和识别模块。获取模块用于获取样本人脸图像，其中所述样本人脸图像带有标签类别。训练模块用于将所述样本人脸图像输入第一训练模型，得到所述样本人脸图像的第一结果，其中所述第一结果包括所述样本人脸图像关于各类别的得分。调整模块用于当所述样本人脸图像的第一结果和标签类别不相匹配时，基于预设规则降低所述样本人脸图像关于所述标签类别的得分相对于所述第一结果的分布概率。更新模块用于基于降低后的所述分布概率获得所述样本人脸图像关于第一训练模型的损失值，基于所述损失值优化第一训练模型的参数，得到更新的第一训练模型，当所述样本人脸图像关于更新的第一训练模型的损失值小于预设阈值时，将更新的第一训练模型作为最优模型。以及，识别模块用于获取待识别人脸图像，基于所述最优模型对所述待识别人脸图像进行识别。根据本公开的实施例，上述装置还包括判断模块，用于在所述训练模块得到所述样本人脸图像的第一结果之后，将所述样本人脸图像关于所述标签类别的得分与所述样本人脸图像关于除所述标签类别之外的其他类别的得分进行比较；当关于所述标签类别的得分大于等于关于所述其他类别的得分时，确定所述样本人脸图像的第一结果和所述标签类别相匹配；以及，当关于所述标签类别的得分小于关于所述其他类别的得分时，确定所述样本人脸图像的第一结果和所述标签类别不相匹配。根据本公开的实施例，调整模块包括第一调整子模块，用于增大与所述样本人脸图像关于除所述标签类别之外的其他类别的得分对应的指标。根据本公开的实施例，第一调整子模块用于增加与所述样本人脸图像关于所述其他类别的得分对应的指标的权重。根据本公开的实施例，第一调整子模块用于定义指示函数，其中，当所述样本人脸图像的第一结果和所述标签类别相匹配时，所述指定函数的取值为1，当所述样本人脸图像的第一结果和所述标签类别不相匹配时，所述指示函数的取值大于1；将所述指示函数作为与所述样本人脸图像关于所述其他类别的得分对应的指标的权重。根据本公开的实施例，第一调整子模块用于利用第一间隔函数基于所述其他类别的取值替代所述样本人脸图像关于所述其他类别的得分，其中，所述第一间隔函数被设置为基于所述其他类别的取值大于所述样本人脸图像关于所述其他类别的得分。根据本公开的实施例，调整模块还包括第二调整子模块，用于利用第二间隔函数基于所述标签类别的取值替代所述样本人脸图像关于所述标签类别的得分，其中，所述第二间隔函数被设置为基于所述标签类别的取值小于所述样本人脸图像关于所述标签类别的得分。根据本公开的实施例，更新模块用于根据降低后的所述分布概率和软最大化交叉熵损失函数，计算得到所述样本人脸图像关于第一训练模型的损失值。本公开的另一方面提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述的方法。本公开的另一方面提供了一种计算机可读存储介质，存储有计算机可本文档来自技高网...

【技术保护点】
1.一种人脸识别方法，包括：/n获取样本人脸图像，其中所述样本人脸图像带有标签类别；/n将所述样本人脸图像输入第一训练模型，得到所述样本人脸图像的第一结果，其中所述第一结果包括所述样本人脸图像关于各类别的得分；/n当所述样本人脸图像的第一结果和标签类别不相匹配时，基于预设规则降低所述样本人脸图像关于所述标签类别的得分相对于所述第一结果的分布概率；/n基于降低后的所述分布概率获得所述样本人脸图像关于第一训练模型的损失值，基于所述损失值优化第一训练模型的参数，得到更新的第一训练模型；/n当所述样本人脸图像关于更新的第一训练模型的损失值小于预设阈值时，将更新的第一训练模型作为最优模型；以及/n获取待识别人脸图像，基于所述最优模型对所述待识别人脸图像进行识别。/n

【技术特征摘要】
1.一种人脸识别方法，包括：
获取样本人脸图像，其中所述样本人脸图像带有标签类别；
将所述样本人脸图像输入第一训练模型，得到所述样本人脸图像的第一结果，其中所述第一结果包括所述样本人脸图像关于各类别的得分；
当所述样本人脸图像的第一结果和标签类别不相匹配时，基于预设规则降低所述样本人脸图像关于所述标签类别的得分相对于所述第一结果的分布概率；
基于降低后的所述分布概率获得所述样本人脸图像关于第一训练模型的损失值，基于所述损失值优化第一训练模型的参数，得到更新的第一训练模型；
当所述样本人脸图像关于更新的第一训练模型的损失值小于预设阈值时，将更新的第一训练模型作为最优模型；以及
获取待识别人脸图像，基于所述最优模型对所述待识别人脸图像进行识别。


2.根据权利要求1所述的方法，其中，在所述得到所述样本人脸图像的第一结果之后，所述方法还包括：
将所述样本人脸图像关于所述标签类别的得分与所述样本人脸图像关于除所述标签类别之外的其他类别的得分进行比较；
当关于所述标签类别的得分大于等于关于所述其他类别的得分时，确定所述样本人脸图像的第一结果和所述标签类别相匹配；以及
当关于所述标签类别的得分小于关于所述其他类别的得分时，确定所述样本人脸图像的第一结果和标签类别不相匹配。


3.根据权利要求1或2所述的方法，其中，所述基于预设规则降低所述样本人脸图像关于所述标签类别的得分相对于所述第一结果的分布概率包括：
增大与所述样本人脸图像关于除所述标签类别之外的其他类别的得分对应的指标。


4.根据权利要求3所述的方法，其中，所述增大所述样本人脸图像关于除所述标签类别之外的其他类别的得分对应的指标包括：
增加与所述样本人脸图像关于所述其他类别的得分对应的指标的权重。


5.根据权利要求4所述的方法，其中，所述增加所述样本人脸图像关于所述其他类别的得分对应的指标的权重包括：
定义指示函数，其中，当所述样本人脸图像的第一结果和标签类别相匹配时，所述指定函数的取值为1，当所述样本人脸图像的第一结果和标签类别不相匹配时，所述指示函数的取值大于1；
将所述指示函数作为与所述样本人脸图像关于所述其他类别的得分对应的指标的权重。


6.根据权利要求3所述的方法，其中，所述增大所述样本人脸图像关于除所述标签类别之外的其他类别的得分对应的指标包括：
利用第一间隔函数基于所述其他类别的取值替代所述样本人脸图像关于所述其他类别的得分，其中，所述第一间隔函数被设置为基于所述其他类别的取值大于所述样本人脸图像关于所述其他类别的得分。


7.根据权利要求3所述的方法，其中，所述基于预设规则降低所述样本人脸图像关于所述标签类别的得分相对于所述第一结果的分布概率还包括：
利用第二间隔函数基于所述标签类别的取值替代所述样本人脸图像关于所述标签类别的得分，其中，所述第二间隔函数被设置为基于所述标签类别的取值小于所述样本人脸图像关于所述标签类别的得分。


8.根据权利要求1所述的方法，其中，所述基于降低后的所述分布概率获得所述样本人脸图像关于第一训练模型的损失值包括：
根据降低后的所述分布概率和软最大化交叉熵损失函数，计算得到所述样本人脸图像关于第一训练模型的损失值。


9.一种人脸识别装置，包括：
获取模块，用于获取样本...

【专利技术属性】
技术研发人员：王晓波，石海林，汪硕，傅天宇，梅涛，
申请(专利权)人：北京京东尚科信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京;11