用于提高人脸识别精度的方法、装置、电子设备和介质制造方法及图纸

本公开的实施例公开了用于提高人脸识别精度的方法、装置、电子设备和介质。该方法的一具体实施方式包括：获取目标人脸图像；通过预先训练的特征提取网络对该目标人脸图像进行特征提取，以生成特征图，其中，该特征提取网络用于表征该目标人脸图像与该特征图在分辨率上的映射关系；通过反卷积网络对该特征图进行特征放大处理，以生成重构后的人脸图像。该实施方式提高了人脸图像的分辨率，提高了人脸识别的精度，保证了对取货人进行身份识别的准确度。

【技术实现步骤摘要】
用于提高人脸识别精度的方法、装置、电子设备和介质
本公开的实施例涉及计算机
，具体涉及用于提高人脸识别精度的方法、装置、电子设备和介质。
技术介绍
随着无人驾驶技术的发展，无人运货车辆正在逐步走进人们的视野。为了避免货物误取的情况出现，因此，需要对取货人的身份进行识别。目前，现有技术往往是通过车载传感器(例如，相机)，获取取货人的人脸图像，并根据上述人脸图像，确定取货人的身份。然而，当采用上述技术时，经常会存在如下技术问题：由于无人运货车辆周围的环境具有不确定性，例如，阴雨天的情况下，由于光线不足，可能会导致车载传感器拍摄得到的人脸图像较为模糊，从而，导致人脸识别不够精准，进而可能导致对取货人的身份识别精度较低。
技术实现思路
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。本公开的一些实施例提出了用于提高人脸识别精度的方法、装置、电子设备和介质，来解决以上
技术介绍
部分提到的技术问题中的一项。第一方面，本公开的一些实施例提供了一种用于提高人脸识别精度的方法，该方法包括：获取目标人脸图像；通过预先训练的特征提取网络对上述目标人脸图像进行特征提取，以生成特征图，其中，上述特征提取网络用于表征上述目标人脸图像与上述特征图在分辨率上的映射关系；通过反卷积网络对上述特征图进行特征放大处理，以生成重构后的人脸图像。>可选地，上述特征提取网络包括：第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层和第六卷积层；以及上述通过预先训练的特征提取网络对上述目标人脸图像进行特征提取，以生成特征图，包括：将上述目标人脸图像输入上述第一卷积层，以生成第一子特征图，其中，上述第一卷积层用于逐块提取上述目标人脸图像中各块子图像对应的特征向量，并根据得到的至少一个特征向量，生成上述第一子特征图；将上述第一子特征图输入上述第二卷积层，以生成第二子特征图；将上述第二子特征图输入上述第三卷积层，以生成第三子特征图；将上述第三子特征图输入上述第四卷积层，以生成第四子特征图；将上述第四子特征图输入上述第五卷积层，以生成第五子特征图；将上述第五子特征图输入上述第六卷积层，以生成上述特征图。可选地，上述第二卷积层通过对上述第一子特征图进行高维映射处理，以生成上述第二子特征图，上述第三卷积层通过对上述第二子特征图进行高维映射处理，以生成上述第三子特征图，上述第四卷积层通过对上述第三子特征图进行高维映射处理，以生成上述第四子特征图，上述第五卷积层通过对上述第四子特征图进行高维映射处理，以生成上述第五子特征图。可选地，上述通过反卷积网络对上述特征图进行特征放大处理，以生成重构后的人脸图像，包括：通过目标卷积核，对上述特征图进行反卷积处理，以生成上述重构后的人脸图像。可选地，上述特征提取网络是通过以下步骤生成的：基于训练数据集合，生成候选特征提取网络，其中，上述训练数据集合中的训练数据是目标分辨率的人脸图像；通过测试样本集合，对上述候选特征提取网络进行测试，以生成测试结果；响应于确定上述测试结果满足预设条件，将上述候选特征提取网络，确定为上述特征提取网络。可选地，上述测试样本集合通过以下步骤得到的：对样本人脸图像集合中的每张样本人脸图像进行随机截取，以生成候选人脸图像，得到候选人脸图像集合；对上述候选人脸图像集合中的候选人脸图像进行降采样处理，以生成测试样本，得到上述测试样本集合。第二方面，本公开的一些实施例提供了一种用于提高人脸识别精度的装置，装置包括：获取单元，被配置成获取目标人脸图像；特征提取单元，被配置成通过预先训练的特征提取网络对上述目标人脸图像进行特征提取，以生成特征图，其中，上述特征提取网络用于表征上述目标人脸图像与上述特征图在分辨率上的映射关系；特征放大处理单元，被配置成通过反卷积网络对上述特征图进行特征放大处理，以生成重构后的人脸图像。可选地，上述特征提取网络包括：第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层和第六卷积层；以及上述特征提取单元被进一步配置成：将上述目标人脸图像输入上述第一卷积层，以生成第一子特征图，其中，上述第一卷积层用于逐块提取上述目标人脸图像中各块子图像对应的特征向量，并根据得到的至少一个特征向量，生成上述第一子特征图；将上述第一子特征图输入上述第二卷积层，以生成第二子特征图；将上述第二子特征图输入上述第三卷积层，以生成第三子特征图；将上述第三子特征图输入上述第四卷积层，以生成第四子特征图；将上述第四子特征图输入上述第五卷积层，以生成第五子特征图；将上述第五子特征图输入上述第六卷积层，以生成上述特征图。可选地，上述特征放大处理单元被进一步配置成：通过目标卷积核，对上述特征图进行反卷积处理，以生成上述重构后的人脸图像。第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。本公开的上述各个实施例中具有如下有益效果：通过本公开的一些实施例的用于提高人脸识别精度的方法，提高了人脸图像的分辨率，从而保证了对取货人身份识别的精度。具体来说，造成对取货人的身份识别精度不高的原因在于：由于天气等环境因素的影响，导致拍摄的人脸图像分辨率较低。例如，在阴雨天的情况下，由于光线不足，可能导致拍摄得到的人脸图像分辨率较低。又如，在黑夜或无人运货车辆处于光线不足的室内的情况下，也可能导致拍摄得到的人脸图像分辨率较低。基于此，本公开的一些实施例的用于提高人脸识别精度的方法，首先，获取目标人脸图像。其次，通过预先训练的特征提取网络对上述目标人脸图像进行特征提取，以生成特征图。由于特征提取网络可以表征目标人脸图像与特征图在分辨率上的映射关系，因此，特征图包含的人脸特征信息与目标人脸图像中的人脸特征信息在分辨率上具有映射关系。最后，通过反卷积网络对上述特征图进行特征放大处理，生成重构后的人脸图像。从而实现了将低分辨率的图像映射到高分辨率图像。同时，保证了重构的人脸图像与目标人脸图像的图像尺寸一致。通过此种方式，提高了人脸图像的分辨率，从而提高了人脸识别的准确度，进而保证了对取货人的身份识别的精度。附图说明结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。图1是本公开的一些实施例的用于提高人脸识别精度的方法的一个应用场景的示意图；图2是根据本公开的用于提高人脸识别精度的方法的一些实施例的流程图；图3是本文档来自技高网...

【技术保护点】
1.一种用于提高人脸识别精度的方法，包括：/n获取目标人脸图像；/n通过预先训练的特征提取网络对所述目标人脸图像进行特征提取，以生成特征图，其中，所述特征提取网络用于表征所述目标人脸图像与所述特征图在分辨率上的映射关系；/n通过反卷积网络对所述特征图进行特征放大处理，以生成重构后的人脸图像。/n

【技术特征摘要】
1.一种用于提高人脸识别精度的方法，包括：
获取目标人脸图像；
通过预先训练的特征提取网络对所述目标人脸图像进行特征提取，以生成特征图，其中，所述特征提取网络用于表征所述目标人脸图像与所述特征图在分辨率上的映射关系；
通过反卷积网络对所述特征图进行特征放大处理，以生成重构后的人脸图像。


2.根据权利要求1所述的方法，其中，所述特征提取网络包括：第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层和第六卷积层；以及
所述通过预先训练的特征提取网络对所述目标人脸图像进行特征提取，以生成特征图，包括：
将所述目标人脸图像输入所述第一卷积层，以生成第一子特征图，其中，所述第一卷积层用于逐块提取所述目标人脸图像中各块子图像对应的特征向量，并根据得到的至少一个特征向量，生成所述第一子特征图；
将所述第一子特征图输入所述第二卷积层，以生成第二子特征图；
将所述第二子特征图输入所述第三卷积层，以生成第三子特征图；
将所述第三子特征图输入所述第四卷积层，以生成第四子特征图；
将所述第四子特征图输入所述第五卷积层，以生成第五子特征图；
将所述第五子特征图输入所述第六卷积层，以生成所述特征图。


3.根据权利要求2所述的方法，其中，所述第二卷积层通过对所述第一子特征图进行高维映射处理，以生成所述第二子特征图，所述第三卷积层通过对所述第二子特征图进行高维映射处理，以生成所述第三子特征图，所述第四卷积层通过对所述第三子特征图进行高维映射处理，以生成所述第四子特征图，所述第五卷积层通过对所述第四子特征图进行高维映射处理，以生成所述第五子特征图。


4.根据权利要求1所述的方法，其中，所述通过反卷积网络对所述特征图进行特征放大处理，以生成重构后的人脸图像，包括：
通过目标卷积核，对所述特征图进行反卷积处理，以...

【专利技术属性】
技术研发人员：刘宗帅，
申请(专利权)人：北京京东乾石科技有限公司，
类型：发明
国别省市：北京;11