【技术实现步骤摘要】
人脸遮挡程度识别方法、装置、电子设备及可读存储介质
本公开涉及计算机
，具体而言，本公开涉及一种人脸遮挡程度识别方法、装置、电子设备及可读存储介质。
技术介绍
在视频直播行业中，直播平台常常需要用户上传头像图片，平台可以通过头像图片中的人脸对用户的身份进行识别等。而用户上传的头像图片中常常含有帽子、眼镜、口罩、头发等遮挡物，这些遮挡物会遮挡用户脸部的部分区域，若用户上传的头像图片中遮挡物遮挡的脸部区域过大，导致平台无法对用户的身份进行识别，则平台会判定该用户的头像图片为不合格的头像图片。目前许多平台都利用神经网络来识别用户上传的头像图片中人脸的遮挡程度，若遮挡程度大于特定阈值，则判定该头像图像不合格。利用神经网络识别人脸的遮挡程度之前，需要海量的人脸遮挡数据(即标注有人脸遮挡程度的图像)作为训练样本对神经网络进行训练，目前的人脸遮挡数据多通过人工标注得到，不仅耗费人力与物力，且标注效率低下，不利于利用神经网络来识别人脸遮挡程度。
技术实现思路
提供该
技术实现思路
部分以便以简要的形式介绍构思，...
【技术保护点】
1.一种人脸遮挡程度识别方法，其特征在于，包括：/n获取待识别图像；/n将所述待识别图像输入训练好的神经网络模型，并基于所述训练好的神经网络模型的输出结果，获取所述待识别图像的人脸遮挡程度的识别结果；/n其中，所述训练好的神经网络模型是通过预设数量的人脸遮挡数据训练得到的，各所述人脸遮挡数据通过如下方式获取：/n获取预设数量的原始图像，其中，所述原始图像中包含有未被遮挡的人脸；/n对各所述原始图像中的人脸进行对齐处理后，利用遮挡物图像对对齐后的人脸进行遮挡处理，并基于各对齐处理后的人脸和各遮挡处理后的人脸，获取所述预设数量的人脸遮挡数据。/n
【技术特征摘要】
1.一种人脸遮挡程度识别方法，其特征在于，包括：
获取待识别图像；
将所述待识别图像输入训练好的神经网络模型，并基于所述训练好的神经网络模型的输出结果，获取所述待识别图像的人脸遮挡程度的识别结果；
其中，所述训练好的神经网络模型是通过预设数量的人脸遮挡数据训练得到的，各所述人脸遮挡数据通过如下方式获取：
获取预设数量的原始图像，其中，所述原始图像中包含有未被遮挡的人脸；
对各所述原始图像中的人脸进行对齐处理后，利用遮挡物图像对对齐后的人脸进行遮挡处理，并基于各对齐处理后的人脸和各遮挡处理后的人脸，获取所述预设数量的人脸遮挡数据。
2.根据权利要求1所述的方法，其特征在于，所述对各所述原始图像中的人脸进行对齐处理后，利用遮挡物图像对对齐后的人脸进行遮挡处理，并基于各对齐处理后的人脸和各遮挡处理后的人脸，获取所述预设数量的人脸遮挡数据，包括：
基于各所述原始图像中的人脸上的至少三个指定位置，对各所述人脸进行对齐处理，得到各所述原始图像对应的第一图像；
利用遮挡物图像对各所述第一图像中的人脸进行遮挡，得到各第一图像对应的第二图像；
基于各所述第二图像和对应的第一图像，获取各所述第二图像的人脸遮挡比例；
基于各所述第二图像和对应的人脸遮挡比例，生成所述预设数量的人脸遮挡数据。
3.根据权利要求2所述的方法，其特征在于，所述至少三个指定位置包括：人脸上的右眼所在位置、左眼所在位置以及嘴巴所在位置，所述基于各所述原始图像中的人脸上的至少三个指定位置，对各所述人脸进行对齐处理，得到各所述原始图像对应的第一图像，包括：
在预设画布上设置不在一条直线上的第一指定点、第二指定点和第三指定点；
将各所述原始图像中的人脸映射到所述预设画布上，得到各所述原始图像对应的第一图像，其中，各所述原始图像中人脸中的右眼所在位置映射到所述第一指定点，左眼所在位置映射到所述第二指定点，嘴巴所在位置映射到第三指定点。
4.根据权利要求2所述的方法，其特征在于，所述基于各所述第二图像和对应的第一图像，获取各所述第二图像的人脸遮挡比例，包括：
获取各所述第一图像中人脸所在区域的第一面积和对应的第二图像中人脸被遮挡的区域的第二面积；
基于各所述第一面积和对应的第二面积，获取各所述第二图像对应的人脸遮挡比例。
5.根据权利要求4所述的方法，其特征在于，所述基于各所述第一面积和对应的第二面积，获取各所述第二图像对应的人脸遮挡比例，包括：
基于各所述第一面积，获取各所述人脸的平均人脸面积；
将各所述第二面积与所述平均人脸面积的比值，作为各所述...
【专利技术属性】
技术研发人员：王诗吟，
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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。