AI人脸图像处理的方法、装置、设备和存储介质制造方法及图纸

本发明专利技术实施例涉及图像识别技术领域，具体涉及一种AI人脸图像处理方法、装置、设备和存储介质。一种AI人脸图像处理方法，包括：获取需要检测的人脸图像；将所述需要检测的人脸图像输入预先训练的神经网络模型中，利用所述神经网络模型对所述需要检测的人脸图像进行识别得到人脸检测识别结果。本申请通过采用优化后的神经网络模型进行识别，进一步提高人脸图像识别的准确性。

【技术实现步骤摘要】
AI人脸图像处理的方法、装置、设备和存储介质
本专利技术实施例涉及图像识别
，具体涉及一种AI人脸图像处理方法、装置、设备和存储介质。
技术介绍
人脸识别是一种基于人脸特征信息进行身份识别的生物识别技术，通常是将人脸图像直接输入预先训练好的预测模型，从而根据预测模型输出的预测结果确定人脸图像中的人的身份。人脸识别分为四个过程：人脸检测、人脸对齐、特征提取、特征匹配。其中，特征提取是人脸识别最关键的步骤，提取到的特征更偏向于该人脸独有的特征，对于特征匹配起到举足轻重的作用，现有技术中经常采用的神经网络函数进行图像识别的性能比较差。
技术实现思路
为此，本专利技术实施例提供一种AI人脸图像处理的方法、装置、设备和存储介质，以提高人脸识别的性能。为了实现上述目的，本专利技术实施例提供如下技术方案：根据本专利技术实施例的第一方面，一种AI人脸图像处理的方法，包括：获取需要检测的人脸图像；将所述需要检测的人脸图像输入经过预先训练的优化的神经网络模型中，利用所述优化的神经网络模型对所述需要检测的人脸图像进行识别得到人脸检测本文档来自技高网...

【技术保护点】
1.一种AI人脸图像处理的方法，其特征在于，包括：/n获取需要检测的人脸图像；/n将所述需要检测的人脸图像输入经过预先训练的优化的神经网络模型中，利用所述优化的神经网络模型对所述需要检测的人脸图像进行识别得到人脸检测识别结果。/n

【技术特征摘要】
1.一种AI人脸图像处理的方法，其特征在于，包括：
获取需要检测的人脸图像；
将所述需要检测的人脸图像输入经过预先训练的优化的神经网络模型中，利用所述优化的神经网络模型对所述需要检测的人脸图像进行识别得到人脸检测识别结果。


2.根据权利要求1所述的AI人脸图像处理的方法，其特征在于，所述优化的神经网络模型采用Resnet网络；
所述Resnet网络的残差块包括依次相连的：第一归一化处理BN层、第一卷积层、第二归一化处理BN层、激活函数层、第二卷积层和第三归一化处理BN层。


3.根据权利要求2所述的AI人脸图像处理的方法，其特征在于，所述优化的神经网络模型的第一卷积层的步长为1；激活函数层为LeakyRelu层。


4.根据权利要求1所述的AI人脸图像处理的方法，其特征在于，优化的神经网络模型的训练包括：
将样本图像输入神经网络模型；
获取所述神经网络模型对所述样本图像的识别结果；
基于损失函数，不断迭代更新所述神经网络模型的网络参数，直至所述神经网络模型收敛。


5.根据权利要求2所述的AI人脸图像处理的方法，其特征在于，Resnet网络的残差块的损失函数的计算采用以下的公式：



其中，m为样本数量；t为角度边缘；θj为特征值与错误分类的角度；θyi为特征值与正确分类的角度；x为特征值；e为自然常数；||x||为归一化特征值；i为样本的序号；j为类的序号；n为分类数量；yi为正样本类...

【专利技术属性】
技术研发人员：叶霆，徐西印，张玉琼，
申请(专利权)人：天津华来科技有限公司，
类型：发明
国别省市：天津;12