【技术实现步骤摘要】
人脸识别模型的训练方法和装置
本申请涉及人工智能、深度学习以及计算机视觉，具体涉及人脸识别
，尤其涉及一种人脸识别模型的训练方法和装置。
技术介绍
目前，人脸识别技术已经被广泛应用到视频监控、安防以及金融支付等场合。在实际自然场景中的人脸识别，由于人脸可能会被口罩、围巾等遮挡物大面积遮挡，从而导致人的脸部特征大量丢失的情况。现有的人脸识别技术中，可以根据采集到的人脸识别图像，准确地识别得到人脸识别结果。但是，当前的人脸识别技术中不能同时识别出标准人脸图像和有遮挡物的人脸图像，存在对人脸上有遮挡物的人脸图像进行识别的精确度较低，甚至无法识别的问题。
技术实现思路
本申请提供了一种人脸识别模型的训练方法、装置、电子设备以及存储介质。本申请第一方面实施例提供了人脸识别模型的训练方法，包括：获取第一训练图像，所述第一训练图像为未遮挡人脸图像，并获取多个遮挡物图像；将所述多个遮挡物图像分别融合至所述未遮挡人脸图像，以生成所述多个第二训练图像；以及将所述第一训练图像和所述第二训练图像输入...
【技术保护点】
1.一种人脸识别模型的训练方法，所述方法包括：/n获取第一训练图像，所述第一训练图像为未遮挡人脸图像，并获取多个遮挡物图像；/n将所述多个遮挡物图像分别融合至所述未遮挡人脸图像，以生成所述多个第二训练图像；以及/n将所述第一训练图像和所述第二训练图像输入人脸识别模型，以对所述人脸识别模型进行训练。/n
【技术特征摘要】
1.一种人脸识别模型的训练方法，所述方法包括：
获取第一训练图像，所述第一训练图像为未遮挡人脸图像，并获取多个遮挡物图像；
将所述多个遮挡物图像分别融合至所述未遮挡人脸图像，以生成所述多个第二训练图像；以及
将所述第一训练图像和所述第二训练图像输入人脸识别模型，以对所述人脸识别模型进行训练。
2.如权利要求1所述的训练方法，其中，所述获取多个遮挡物图像，包括：
获取多个遮挡样本人脸图像，其中，所述遮挡样本人脸图像中标注有遮挡区域的边界坐标；
分别获取所述多个遮挡样本人脸图像之中对应遮挡区域的边界坐标；以及
根据所述遮挡区域的边界坐标，从多个遮挡样本人脸图像之中提取得到所述多个遮挡物图像。
3.如权利要求2所述的训练方法，其中，所述遮挡样本人脸图像中标注有人脸关键点，所述将所述多个遮挡物图像分别融合至所述未遮挡人脸图像，以生成多个第二训练图像，包括：
获取所述每个遮挡物图像对应位置的人脸关键点，并根据所述每个遮挡物图像对应位置的人脸关键点将所述每个遮挡物图像划分为多个第一三角区域；
获取所述未遮挡人脸图像的关键点，并根据所述未遮挡人脸图像的关键点将所述未遮挡人脸图像划分为多个第二三角区域；
获取所述多个第一三角区域和所述多个第二三角区域之间的映射关系；
根据所述映射关系将所述遮挡物图像仿射至所述未遮挡人脸图像，以得到第一候选遮挡人脸图像；以及
根据所述第一候选遮挡人脸图像生成所述第二训练图像。
4.如权利要求3所述的训练方法，其中，所述根据所述第一候选遮挡人脸图像生成所述第二训练图像，包括：
将所述遮挡区域的边界坐标仿射至所述未遮挡人脸图像坐标，得到第二候选遮挡人脸图像的坐标；
根据所述第二候选遮挡人脸图像的坐标，去除第一候选遮挡人脸图像中的未遮挡区域，以得到仿射遮挡物图像；
将所述仿射遮挡物图像与所述未遮挡人脸图像进行融合，得到所述第二训练图像。
5.如权利要求1-4任一项所述的训练方法，其中，所述人脸识别模型包括特征提取网络和识别模块；
所述特征提取网络，用于根据预设的特征提取权重，获取人脸图像的特征图；
所述识别模块，用于将所述人脸图像的特征图与模型库中预先存储的特征图进行比较，以根据比较结果确定人脸识别结果。
6.如权利要求1-4任一项所述的训练方法，其中，输入所述人脸识别模型的第一训练图像和第二训练图像的数量级相同。
7.一种人脸识别模型的训练装置，所述装置包括：
获取模块，用于获取第一训练图像，所述第一训练图像为未遮挡人脸图像，并获取多个遮挡物图像；
生成模块，用于将所述多个遮挡物图像分别融合至所述未遮挡人脸图像，以生成所述多个第二训练图像；以及
训练模...
【专利技术属性】
技术研发人员：范彦文，余席宇，张刚，刘经拓，王海峰，丁二锐，韩钧宇，
申请(专利权)人：北京百度网讯科技有限公司，
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。