人脸图像数据处理方法、装置、设备及存储介质制造方法及图纸

本申请涉及一种人脸图像数据处理方法、装置、设备及存储介质，该方法包括：获取待处理图像，待处理图像中包括至少一个人脸；对待处理图像进行预处理，得到人脸的正姿态图像；利用预设特征图提取网络，提取正姿态图像中的目标特征图；对目标特征图分别进行属性估算和人脸识别，得到人脸的属性数据和识别类别。该方法可以缓解现有技术中存在的增加运算量，使预测过程变得耗时的问题，可以使得在人脸识别同时估算属性数据的过程中，既不会影响人脸识别准确性，也不会增加大量的运算量，不会耗费大量时间。

【技术实现步骤摘要】
人脸图像数据处理方法、装置、设备及存储介质
本申请涉及机器学习应用领域，尤其涉及一种人脸图像数据处理方法、装置、设备及存储介质。
技术介绍
近几年来，随着数据量的增大，计算机计算能力增强，深度学习在很多领域都得到了广泛的应用，特别是在图像检测与识别方面，深度学习的应用尤为广泛。由于对人工神经网络的研究，深度学习使机器学习进一步发展。在实际应用中，卷积神经网络的结构特点，决定了其比较适合数字图像领域中的人脸识别。但是，利用人脸图像只进行人脸识别已经不能满足人们的需求，在人脸识别的基础上，人们还想要利用人脸图像进行性别估算和/或年龄估算。在现有技术中，将人脸图像输入到一个深度网络模型中进行人脸识别，然后将同一张人脸图像输入到另一个深度网络模型中进行性别估算和/或年龄估算。对于每张人脸图像，由于使用了多个深度网络模型，所以，增加了运算量，使预测过程变得耗时。
技术实现思路
为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种人脸图像数据处理方法、装置、设备及存储介质。第一方面，本申请实施例提供了一种人脸图像数据处理方法，包括：获取待处理图像，所述待处理图像中包括至少一个人脸；对所述待处理图像进行预处理，得到所述人脸的正姿态图像；利用预设特征图提取网络，提取所述正姿态图像中的目标特征图；对所述目标特征图分别进行属性估算和人脸识别，得到所述人脸的属性数据和识别类别。可选的，对所述目标特征图进行属性估算，得到所述人脸的属性数据，包括：r>将所述目标特征图输入至预设属性估算网络；利用所述预设属性估算网络对所述目标特征图进行属性估算，得到所述人脸的所述属性数据。可选的，若所述属性数据为年龄，则所述对所述目标特征图进行属性估算，得到所述人脸的属性数据，包括：将所述目标特征图输入至所述预设属性估算网络，得到包含有与每个年龄标签分别对应相似度的年龄相似度向量；将所述年龄相似度向量中每个相似度与相对应的年龄标签的值相乘，得到相乘结果；将多个所述相乘结果相加，计算得到与所述人脸对应的目标年龄。可选的，对所述目标特征图进行人脸识别，得到所述人脸的识别类别，包括：将所述目标特征图输入至预设面部分类网络；利用所述预设面部分类网络对所述目标特征图进行人脸识别，得到目标特征向量；利用所述目标特征向量确定所述人脸的所述识别类别。可选的，所述对所述待处理图像进行预处理，得到所述人脸的正姿态图像，包括：定位所述待处理图像中的面部关键特征点；当所述面部关键特征点的数量超过预设数值时，确定所述待处理图像中存在面部图像；获取所述面部图像的图像亮度信息、清晰度信息和对称性信息；判断所述图像亮度信息、所述清晰度信息和所述对称性信息是否均符合图像要求；若所述图像亮度信息、所述清晰度信息和所述对称性信息均符合所述图像要求，则矫正所述面部图像；对矫正后的面部图像进行归一化处理，得到所述正姿态图像。可选的，还包括：构建人脸识别数据集、属性估算数据集和基础神经网络，所述属性估算数据集中的每张图像分别对应一个属性数据标签；对所述人脸识别数据集中的每张图像分别进行预处理，对所述属性估算数据集中的每张图像分别进行预处理；利用经过预处理的人脸识别数据集训练所述基础神经网络，得到所述预设特征图提取网络；利用所述预设特征图提取网络提取预处理后的人脸识别数据集中的每张图像的第一特征图，得到第一特征图数据集，利用所述预设特征图提取网络提取预处理后的属性估算数据集中的每张图像的第二特征图，得到第二特征图数据集；在所述预设特征图提取网络的输出端分别构建第一网络和第二网络；利用所述第一特征图数据集训练所述第一网络，得到预设面部分类网络；利用所述第二特征图数据集及与所述第二特征图数据集中的每张第二特征图分别对应的属性数据标签，训练所述第二网络，得到预设属性估算网络。可选的，所述利用所述第二特征图数据集及与所述第二特征图数据集中的每张第二特征图分别对应的属性数据标签，训练所述第二网络，得到预设属性估算网络，包括：将所述第二特征图数据集分成训练数据集和测试数据集；选出与所述训练数据集中的每张第二特征图分别对应的属性数据标签，得到训练标签数据集；选出与所述测试数据集中的每张第二特征图分别对应的属性数据标签，得到测试标签数据集；利用所述训练数据集和所述训练标签数据集训练所述第二网络，得到训练后网络；利用所述测试数据集和所述测试标签数据集测试所述训练后网络，得到所述预设属性估算网络。第二方面，本申请实施例提供了一种人脸图像数据处理装置，包括：获取模块、预处理模块、提取模块和处理模块；所述获取模块，用于获取待处理图像，所述待处理图像中包括至少一个人脸；所述预处理模块，用于对所述待处理图像进行预处理，得到所述人脸的正姿态图像；所述提取模块，用于利用预设特征图提取网络，提取所述正姿态图像中的目标特征图；所述处理模块，用于对所述目标特征图分别进行属性估算和人脸识别，得到所述人脸的属性数据和识别类别。第三方面，本申请实施例提供了一种人脸图像数据处理设备，包括：处理器、存储器、通信接口和总线；所述处理器、所述存储器与所述通信接口通过所述总线完成相互间的通信；所述通信接口用于外部设备之间的信息传输；所述处理器用于调用所述存储器中的程序指令，以执行如第一方面中任一项所述方法的步骤。第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如第一方面中任一项所述方法的步骤。本申请实施例提供的上述技术方案与现有技术相比具有如下优点：本申请实施例提供的人脸图像数据处理方法包括：获取待处理图像，待处理图像中包括至少一个人脸；对待处理图像进行预处理，得到人脸的正姿态图像；利用预设特征图提取网络，提取正姿态图像中的目标特征图；对目标特征图分别进行属性估算和人脸识别，得到人脸的属性数据和识别类别。所以，由于人脸识别过程和属性估算过程共用一个特征图提取网络，人脸识别过程和属性估算过程使用了同一个特征图提取网络输出的目标特征图，所以，可以使得在人脸识别同时估算属性数据的过程中，既不会影响人脸识别准确性，也不会增加大量的运算量，不会耗费大量时间。因此，可以缓解现有技术中存在的增加运算量，使预测过程变得耗时的问题。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本申请实本文档来自技高网...

【技术保护点】
1.一种人脸图像数据处理方法，其特征在于，包括：/n获取待处理图像，所述待处理图像中包括至少一个人脸；/n对所述待处理图像进行预处理，得到所述人脸的正姿态图像；/n利用预设特征图提取网络，提取所述正姿态图像中的目标特征图；/n对所述目标特征图分别进行属性估算和人脸识别，得到所述人脸的属性数据和识别类别。/n

【技术特征摘要】
1.一种人脸图像数据处理方法，其特征在于，包括：
获取待处理图像，所述待处理图像中包括至少一个人脸；
对所述待处理图像进行预处理，得到所述人脸的正姿态图像；
利用预设特征图提取网络，提取所述正姿态图像中的目标特征图；
对所述目标特征图分别进行属性估算和人脸识别，得到所述人脸的属性数据和识别类别。


2.根据权利要求1所述的方法，其特征在于，对所述目标特征图进行属性估算，得到所述人脸的属性数据，包括：
将所述目标特征图输入至预设属性估算网络；
利用所述预设属性估算网络对所述目标特征图进行属性估算，得到所述人脸的所述属性数据。


3.根据权利要求2所述的方法，其特征在于，若所述属性数据为年龄，则所述对所述目标特征图进行属性估算，得到所述人脸的属性数据，包括：
将所述目标特征图输入至所述预设属性估算网络，得到包含有与每个年龄标签分别对应相似度的年龄相似度向量；
将所述年龄相似度向量中每个相似度与相对应的年龄标签的值相乘，得到相乘结果；
将多个所述相乘结果相加，计算得到与所述人脸对应的目标年龄。


4.根据权利要求1所述的方法，其特征在于，对所述目标特征图进行人脸识别，得到所述人脸的识别类别，包括：
将所述目标特征图输入至预设面部分类网络；
利用所述预设面部分类网络对所述目标特征图进行人脸识别，得到目标特征向量；
利用所述目标特征向量确定所述人脸的所述识别类别。


5.根据权利要求1所述的方法，其特征在于，所述对所述待处理图像进行预处理，得到所述人脸的正姿态图像，包括：
定位所述待处理图像中的面部关键特征点；
当所述面部关键特征点的数量超过预设数值时，确定所述待处理图像中存在面部图像；
获取所述面部图像的图像亮度信息、清晰度信息和对称性信息；
判断所述图像亮度信息、所述清晰度信息和所述对称性信息是否均符合图像要求；
若所述图像亮度信息、所述清晰度信息和所述对称性信息均符合所述图像要求，则矫正所述面部图像；
对矫正后的面部图像进行归一化处理，得到所述正姿态图像。


6.根据权利要求1所述的方法，其特征在于，还包括：
构建人脸识别数据集、属性估算数据集和基础神经网络，所述属性估算数据集中的每张图像分别对应一个属性数据标签；
对所述人脸识别数据集中的每张图像分别进行预处理，对所述属性估算数据集中的每张图像分别进行预...

【专利技术属性】
技术研发人员：任明罡，
申请(专利权)人：广州慧睿思通信息科技有限公司，
类型：发明
国别省市：广东;44