基于注意力机制和残差网络的抗眼镜遮挡人脸识别方法技术

本发明专利技术公开了一种基于注意力机制和残差网络的抗眼镜遮挡人脸识别方法，包括：获取待识别图像，根据MTCNN人脸检测方法从待识别图像中检测出人脸图像并进行人脸对齐；通过已知辅助属性网络对输入图像是否戴眼镜进行判断，依据先验知识是否戴眼镜属性决定输出不同特征层结果。若输入人脸图像不戴眼镜，则使用注意力机制主干网络特征层输出结果；若输入人脸图像戴眼镜，则使用残差网络特征层输出结果。该方法采用注意力机制主干网络和残差网络对戴眼镜人脸图像进行处理和识别，增强人脸可见区域特征，并缩小同一人戴与不戴眼镜的距离，以提高戴眼镜的人脸识别的准确率。

【技术实现步骤摘要】
基于注意力机制和残差网络的抗眼镜遮挡人脸识别方法
本专利技术涉及人脸识别
，具体涉及一种基于基于注意力机制和残差网络的抗眼镜遮挡人脸识别方法、系统、终端及介质。
技术介绍
现有技术中，对戴眼镜的人脸识别方法有多种：一：对人脸识别通过采集同一人戴和不戴眼镜的图像进行模型训练，提高眼镜遮挡下的人脸识别精度。该方法依赖足够数量和种类的戴眼镜人脸训练样本，而通过相关GAN网络生成戴眼镜图像效果差，人为给图像贴眼镜方式成本较高。二，通过注意力机制学习眼镜遮挡部分的边缘语义信息，将具有眼镜遮挡图像和边缘语义信息输入对抗网络进行修补人脸图像。该系列修补方法会一定程度上改变人脸图像特征，引入其他噪声。三，基于戴眼镜的眼部图像和不戴眼镜的眼部图像学习残差网络，将眼部残差特征与整张人脸特征按权重融合。该方法涉及模型多于三个，易造成误差累积，性能上也很难满足商用落地。因此，现有技术中对戴眼镜的人脸识别精度不高。
技术实现思路
针对现有技术中的缺陷，本专利技术实施例提供一种基于注意力机制和残差网络的抗眼镜遮挡人脸识别方法、系统、终端及本文档来自技高网...

【技术保护点】
1.基于注意力机制和残差网络的抗眼镜遮挡人脸识别方法，其特征在于，包括：/n获取待识别图像；/n根据MTCNN人脸检测方法从待识别图像中检测出人脸图像；/n对所述人脸图像进行预处理，得到预处理后的图像；/n将所述预处理后的图像输入辅助属性网络进行判断，判断出人脸图像上是否有戴眼镜的特征；/n将判断后的图像输入到训练好的注意力及残差网络中识别，所述注意力及残差网络模型包括注意力机制主干网络和残差网络，若有戴眼镜的人脸特征，则通过残差网络特征层输出识别结果，若无戴眼镜的人脸特征，则通过注意力机制主干网络特征层输出识别结果。/n

【技术特征摘要】
1.基于注意力机制和残差网络的抗眼镜遮挡人脸识别方法，其特征在于，包括：
获取待识别图像；
根据MTCNN人脸检测方法从待识别图像中检测出人脸图像；
对所述人脸图像进行预处理，得到预处理后的图像；
将所述预处理后的图像输入辅助属性网络进行判断，判断出人脸图像上是否有戴眼镜的特征；
将判断后的图像输入到训练好的注意力及残差网络中识别，所述注意力及残差网络模型包括注意力机制主干网络和残差网络，若有戴眼镜的人脸特征，则通过残差网络特征层输出识别结果，若无戴眼镜的人脸特征，则通过注意力机制主干网络特征层输出识别结果。


2.如权利要求1所述的基于注意力机制和残差网络的抗眼镜遮挡人脸识别方法，其特征在于，方法还包括训练注意力及残差网络步骤，所述注意力及残差网络的训练方法包括训练注意力机制主干网络，所述训练注意力机制主干网络的方法包括：
将未戴眼镜的人脸图像输入注意力机制主干网络，注意力机制主干网络中设有空间注意力模块；
空间注意力模块采用多层下采样和多层上采样结构，采用下采样提取图像全局特征，获取深层语义信息；采用上采样获取注意力特征图，与注意力机制主干网络局部特征图融合。


3.如权利要求2所述的基于注意力机制和残差网络的抗眼镜遮挡人脸识别方法，其特征在于，所述注意力及残差网络的训练方法包括训练残差网络，所述训练残差网络的方法包括：
将同一个人戴眼镜的人脸图像和未戴眼镜的人脸图像输入训练好的注意力机制主干网络，将得到的输出特征分别作为第一特征和第二特征，再将第一特征输入到残差网络得到第三特征，将第二特征和第三特征进行欧式距离计算得到损失函数，通过最小化训练样本得到残差人脸特征。


4.一种基于注意力机制和残差网络的抗眼镜遮挡人脸识别系统，其特征在于，包括：图像获取模块、人脸检测模块、预处理模块、属性判断模块和注意力及残差模块，其中，
所述图像获取模块用于获取待识别图像；
所述人脸检测模块用于根据MTCNN人脸检测方法从待识别图像中检测出人脸图...

【专利技术属性】
技术研发人员：黄曼，
申请(专利权)人：上海锘科智能科技有限公司，
类型：发明
国别省市：上海;31