一种人脸识别方法、系统、电子设备及存储介质技术方案

本申请公开了一种人脸识别方法、系统、电子设备及存储介质。人脸识别方法包括：构建步骤：根据人脸图像构建至少两个样本对；剔除步骤：使用对比学习的学习方式，将与人脸识别无关的信息从所述样本对中剔除。本发明专利技术提出一种人脸识别方法及系统，本发明专利技术提供一种人脸识别方法、系统、电子设备及存储介质，本发明专利技术通过使用对比学习的学习方式，针对人脸图像中的与身份特征无关的信息，从其他角度进行更有效的监督，将这些信息从人脸图像的特征空间中剔除，从而提升人脸识别模型的性能以及提供一个全新的对比学习思路。

【技术实现步骤摘要】
一种人脸识别方法、系统、电子设备及存储介质
本申请涉及人脸识别
，尤其涉及一种人脸识别方法、系统、电子设备及存储介质。
技术介绍
人脸识别指的是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。在caffe的孪生神经网络中，其采用的损失函数是contrastiveloss，这种损失函数可以有效的处理孪生神经网络中的paireddata的关系。contrastiveloss的表达式如下：其中d＝||an-bn||2，代表两个样本特征的欧氏距离，y为两个样本是否匹配的标签，y＝1代表两个样本相似或者匹配，y＝0则代表不匹配，margin为设定的阈值。原本相似的样本，如果在特征空间的欧式距离较大，则说明当前的模型不好，因此加大损失；样本不相似时，其特征空间的欧式距离反而小的话，损失值会变大。论文《MomentumContrastforUnsupervisedVisualRepr本文档来自技高网...

【技术保护点】
1.一种人脸识别方法，其特征在于，包括：/n构建步骤：根据人脸图像构建至少两个样本对；/n剔除步骤：使用对比学习的学习方式，将与人脸识别无关的信息从所述样本对中剔除。/n

【技术特征摘要】
1.一种人脸识别方法，其特征在于，包括：
构建步骤：根据人脸图像构建至少两个样本对；
剔除步骤：使用对比学习的学习方式，将与人脸识别无关的信息从所述样本对中剔除。


2.根据权利要求1所述的人脸识别方法，其特征在于，至少两个所述样本对至少包括正样本对与负样本对。


3.根据权利要求2所述的人脸识别方法，其特征在于，所述构建步骤包括：
正样本对构建步骤：使用不同角度的同一个ID的人脸图像组织成所述正样本对；
负样本对构建步骤：使用同一个角度的不同ID的人脸图像组织成所述负样本对。


4.根据权利要求3所述的人脸识别方法，其特征在于，所述剔除步骤包括，使用所述学习方式分别相互监督训练所述正样本对及所述负样本对，并将与人脸角度无关的所述信息从所述正样本对及所述负样本对中剔除。


5.一种人脸识别系统，其特征在于，适用于上述权利要求1-4所述的人脸识别方法，所述人脸识别系统包括：
构建单元：根据人脸图像构建至少两个样本对；
剔除单元：使用对比学习的学习方式，将与人脸识别无关的信...

【专利技术属性】
技术研发人员：吴康乐，赵晨旭，苏安炀，刘向阳，唐大闰，
申请(专利权)人：上海明略人工智能集团有限公司，
类型：发明
国别省市：上海;31