一种人脸识别的方法、系统、设备及可读存储介质技术方案

本申请公开了一种人脸识别的方法，包括：获取原始图片，并利用质量网络模型计算原始图片的质量分数；根据质量分数对原始图片进行图片增强处理得到增强图片，并根据增强图片建立第一训练集；利用第一训练集对预设模型进行训练得到人脸识别模型，并利用人脸识别模型进行人脸识别。本申请使得利用增强图片建立得到的第一训练集中质量差的图片可以被保留，但避免了低质量图像过度增强导致的身份信息丢失，进而提高了训练得到的人脸识别模型的准确度；同时，质量好的图片可以产生更多的增强数据，进而能够实现对更多场景的模拟，提高了数据的利用率。本申请同时还提供了一种人脸识别的系统、设备及可读存储介质，具有上述有益效果。

【技术实现步骤摘要】
一种人脸识别的方法、系统、设备及可读存储介质
本申请涉及人脸识别领域，特别涉及一种人脸识别的方法、系统、设备及可读存储介质。
技术介绍
人脸识别是当前深度学习领域的一个热门分支，它已被广泛用于公共安全、金融等多个领域。人脸识别利用神经网络提取人脸图像的特征，再利用特征的相似度完成身份验证，一个训练良好的人脸识别模型可以保证同一个人的人脸特征相似度高，不同人的人脸特征相似度低。通常在训练人脸识别模型时需要大量数据，这些数据需要进行标注，每个人的照片作为一个类，再利用softmax或triplet等损失函数进行训练，训练数据的图片越多、人数越多、包含的场景越丰富，神经网络的识别能力越强。由于训练数据采集成本高，并且需要大量的人力去标注，通常会使用图像增强来模拟现实中的一些环境变化来扩充训练数据，提高模型的鲁棒性。然而，传统的数据增强方法在人脸识别任务中对图像预处理时不考虑图像质量，对所有质量的图像用相同的增强方法和强度，造成低质量图像过度增强导致身份信息丢失，导致训练得到的人脸识别模型的准确度较低。因此，如何提高人脸识别模型本文档来自技高网...

【技术保护点】
1.一种人脸识别的方法，其特征在于，包括：/n获取原始图片，并利用质量网络模型计算所述原始图片的质量分数；/n根据所述质量分数对所述原始图片进行图片增强处理得到增强图片，并根据所述增强图片建立第一训练集；/n利用所述第一训练集对预设模型进行训练得到人脸识别模型，并利用所述人脸识别模型进行人脸识别。/n

【技术特征摘要】
1.一种人脸识别的方法，其特征在于，包括：
获取原始图片，并利用质量网络模型计算所述原始图片的质量分数；
根据所述质量分数对所述原始图片进行图片增强处理得到增强图片，并根据所述增强图片建立第一训练集；
利用所述第一训练集对预设模型进行训练得到人脸识别模型，并利用所述人脸识别模型进行人脸识别。


2.根据权利要求1所述的方法，其特征在于，在利用质量网络模型计算所述原始图片的质量分数之前，还包括：
获取第二训练集，所述第二训练集中具有至少一张训练图片，以及与所述训练图片唯一对应的标准图片；
利用基础识别模型提取每张所述训练图片的特征值，并计算所述训练图片的特征值与对应的标准图片的特征值的余弦相似度；
将所述余弦相似度作为标签对所述第二训练集中对应的训练图片进行标记；
构建初始质量网络模型，并利用标记后的所述第二训练集对所述初始质量网络模型进行训练，得到所述质量网络模型。


3.根据权利要求2所述的方法，其特征在于，在利用所述第一训练集对预设模型进行训练得到人脸识别模型之后，还包括：
利用人脸识别模型提取每张所述训练图片的特征值，并返回执行根据所述特征值计算所述训练图片与对应的标准图片的余弦相似度的步骤。


4.根据权利要求2所述的方法，其特征在于，利用标记后的所述第二训练集对所述初始质量网络模型进行训练，得到所述质量网络模型，包括：
利用均方误差采用带动量随机梯度下降算法用标记后的所述第二训练集对所述初始质量网络模型进行训练，得到所述质量网络模型。


5.根据权利要求1-4任一项所述的方法，其特征在于，根据所述质量分数对所述原始图片进行图片增强处理得到增强图片，包括：
获取每张原始图片的增强处理操作的种类数和每种增强处理操作对应的应用概率及处理等级；
根据公式计算第j张原始图片使用第i个增强处理操作的概率；
根据公式计算所述第j张原始图片使用所述第i个增强处理操作进行处理的处理等级；
根据公式nj＝n′+(n-n′)·q′j计算所述第j张原始图片使用所述增强处理操作的种类数；
根据和nj确定所述第j张原始图片的待使用增强处理操作，并对所述第j张原始图片进行处理等级为的待使用增强处理操作，得到所述增强图片；
其中，为所述第j张原始图片使用所述第i个增强处理操作的概率，Pi为所述第i个增强处理操...

【专利技术属性】
技术研发人员：韩泽，谢会斌，李聪廷，
申请(专利权)人：济南博观智能科技有限公司，
类型：发明
国别省市：山东;37