【技术实现步骤摘要】
图像处理方法、装置、计算机设备和计算机可读存储介质
本申请涉及计算机
,特别是涉及一种图像处理方法、装置、计算机设备和计算机可读存储介质。
技术介绍
随着人工智能的发展,机器学习模型的使用越来越广泛。比如,在用户通过计算机进行各种操作之前,往往需要进行人脸识别操作,而人脸识别操作,通常通过人脸识别模型进行数据处理。目前,对于不同类型的人脸数据,人脸识别模型的识别准确度存在较大偏差,即传统的人脸识别操作存在不准确的问题。
技术实现思路
基于此,有必要针对上述技术问题,提供一种能够提高人脸识别准确性的图像处理方法、装置、计算机设备和计算机可读存储介质。一种图像处理方法,该方法包括:获取目标人脸图像相应的目标人脸图像特征;查询目标人脸图像特征在参考密度分布下的目标分布密度;参考密度分布为参考人脸图像特征在聚集程度上的分布;根据目标分布密度,确定目标人脸图像特征相应的修正参数;通过修正参数调整目标人脸图像特征与参考人脸图像特征的相似程度,得到目标人脸图像相应的人脸识别结果。一种图像处理装置,该装置包括:获取模块,用于获取目标人脸图像相应的目标人脸图像特征;查询模块,用于查询目标人脸图像特征在参考密度分布下的目标分布密度;参考密度分布为参考人脸图像特征在聚集程度上的分布;确定模块,用于根据目标分布密度,确定目标人脸图像特征相应的修正参数;识别模块,用于通过修正参数调整目标人脸图像特征与参考人脸图像特征的相似程度,得 ...
【技术保护点】
1.一种图像处理方法,其特征在于,所述方法包括:/n获取目标人脸图像相应的目标人脸图像特征;/n查询所述目标人脸图像特征在参考密度分布下的目标分布密度;所述参考密度分布为参考人脸图像特征在聚集程度上的分布;/n根据所述目标分布密度,确定所述目标人脸图像特征相应的修正参数;/n通过所述修正参数调整所述目标人脸图像特征与所述参考人脸图像特征的相似程度,得到所述目标人脸图像相应的人脸识别结果。/n
【技术特征摘要】
1.一种图像处理方法,其特征在于,所述方法包括:
获取目标人脸图像相应的目标人脸图像特征;
查询所述目标人脸图像特征在参考密度分布下的目标分布密度;所述参考密度分布为参考人脸图像特征在聚集程度上的分布;
根据所述目标分布密度,确定所述目标人脸图像特征相应的修正参数;
通过所述修正参数调整所述目标人脸图像特征与所述参考人脸图像特征的相似程度,得到所述目标人脸图像相应的人脸识别结果。
2.根据权利要求1所述的方法,其特征在于,所述获取目标人脸图像相应的目标人脸图像特征,包括:
获取采集的目标人脸图像和通用的人脸识别模型;
通过所述人脸识别模型提取所述目标人脸图像相应的目标人脸图像特征;
其中,所述参考人脸图像特征由所述人脸识别模型从参考人脸图像中提取;所述参考人脸图像为所述人脸识别模型在应用时的注册用户的人脸图像。
3.根据权利要求1所述的方法,其特征在于,所述查询所述目标人脸图像特征在参考密度分布下的目标分布密度,包括:
获取所述参考密度分布的分布函数;所述参考密度分布是通过所述分布函数,以归一化处理后的所述参考人脸图像特征为自变量构建得到的;
确定对所述参考人脸图像特征进行归一化处理的归一化方式;
根据所述归一化方式对所述目标人脸图像特征进行归一化处理,得到所述目标人脸图像特征在所述参考密度分布下的目标位置;
根据所述目标位置及所述分布函数,确定所述目标人脸图像特征的目标分布密度。
4.根据权利要求3所述的方法,其特征在于,所述分布函数为高斯函数;所述分布函数携带有分布参数,所述分布参数包括所述参考人脸图像特征的均值、及所述参考人脸图像特征的协方差矩阵;
所述根据所述目标位置及所述分布函数,确定所述目标人脸图像特征的目标分布密度,包括:
将所述目标位置输入所述高斯函数,根据所述高斯函数携带的所述分布参数,确定所述目标位置在所述高斯函数中相应的目标分布密度。
5.根据权利要求3所述的方法,其特征在于,所述分布函数为混合高斯函数;所述分布函数携带有分布参数,所述分布参数包括各个图像特征簇相应的参考人脸图像特征的均值、各个所述图像特征簇相应的参考人脸图像特征的协方差矩阵、及各个所述图像特征簇的聚类权重,所述图像特征簇是对所述参考人脸图像特征进行聚类处理得到的;
所述根据所述目标位置及所述分布函数,确定所述目标人脸图像特征的目标分布密度,包括:
将所述目标位置输入所述混合高斯函数,根据所述混合高斯函数携带的各个所述图像特征簇相应的参考人脸图像特征的均值、及各个所述图像特征簇相应的参考人脸图像特征的协方差矩阵,确定所述目标位置在各个所述图像特征簇构建的高斯函数中相应的聚类分布密度;
根据各个所述图像特征簇的聚类权重、及各个所述聚类分布密度,确定所述目标位置在所述混合高斯函数中相应的目标分布密度。
6.根据权利要求1所述的方法,其特征在于,所述根据所述目标分布密度,确定所述目标人脸图像特征相应的修正参数,包括:
获取所述参考密度分布下的分布密度均值;
确定所述目标分布密度相对于所述分布密度均值的偏离程度;
根据所述偏离程度确定所述目标人脸图像特征相应的修正参数。
7.根据权利要求6所述的方法,其特征在于,所述确定所述目标分布密度相对于所述分布密度均值的偏离程度,包括:
将所述目标分布密度与所述分布密度均值之间的差值作为所述偏离程度;
所述根据所述偏离程度确定所述目标人脸图像特征相应的修正参数,包括:
获取分布密度区间;所述分布密度区间是所述参考密度分布下的分布密度最大值和分布密度最小值之间的差值;
确...
【专利技术属性】
技术研发人员:许剑清,沈鹏程,李绍欣,
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
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。