【技术实现步骤摘要】
人脸属性识别方法、装置、存储介质和智能设备
[0001]本申请涉及人脸识别
,尤其涉及一种人脸属性识别方法、装置、存储介质和智能设备。
技术介绍
[0002]随着技术的发展,人脸识别技术进一步发展到可以在动态的视频中准确识别出人脸,以及进一步进行人脸属性识别。人脸属性识别是指对人脸图像所表现出来的属性进行估计、判别和分析。人脸属性包括性别,年龄,表情,动作,是否戴眼镜,眼睛大小,眼睛睁开或者闭着,头发长短或者直发卷发类别,正面或侧面等。
[0003]目前,进行人脸属性识别时,首先会借助辅助的定位机制锁定人脸属性所在的区域,即对人脸的关键点进行定位,然后从定位的区域内提取人脸属性特征,最后预测人脸属性的标签值,然而,人脸关键点的定位并不一定准确,人脸属性识别的准确性不高。
技术实现思路
[0004]本申请实施例提供了一种人脸属性识别方法、装置、存储介质和智能设备,可以解决现在技术中人脸属性识别的准确度不高的问题。
[0005]第一方面,本申请实施例提供了一种人脸属性识别方法,包括:
[0006]获取目标人脸图像;
[0007]将所述目标人脸图像输入至训练好的人脸属性识别模型;
[0008]通过所述人脸属性识别模型按指定属性类别提取所述目标人脸图像中的特征,得到与所述指定属性类别分别对应的多个初始特征组;获取所述多个初始特征组之间的关联特征,并根据所述多个初始特征组以及所述多个初始特征组之间的关联特征,构建目标特征组;
[0009]通过所述人脸属性识别 ...
【技术保护点】
【技术特征摘要】
1.一种人脸属性识别方法,其特征在于,包括:获取目标人脸图像;将所述目标人脸图像输入至训练好的人脸属性识别模型;通过所述人脸属性识别模型按指定属性类别提取所述目标人脸图像中的特征,得到与所述指定属性类别分别对应的多个初始特征组;获取所述多个初始特征组之间的关联特征,并根据所述多个初始特征组以及所述多个初始特征组之间的关联特征,构建目标特征组;通过所述人脸属性识别模型对所述目标特征组的特征进行分类,根据分类结果得到所述目标人脸图像中的人脸属性标签,以利用所述人脸属性标签进行人脸属性识别。2.根据权利要求1所述的人脸属性识别方法,其特征在于,所述人脸属性识别模型包括主网络和多个分支子网络,所述通过所述人脸属性识别模型按指定属性类别提取所述目标人脸图像中的特征,得到与所述指定属性类别分别对应的多个初始特征组的步骤,包括:通过所述主网络提取所述目标人脸图像中的低层人脸特征,所述低层人脸特征包括构成人脸基本要素的特征;通过所述分支子网络按指定属性类别获取与所述低层人脸特征相关的属性共享特征,并根据各个分支子网络的所述低层人脸特征以及所述属性共享特征,得到多个初始特征组,所述属性共享特征是指低层人脸特征之间可关联共享的特征。3.根据权利要求1所述的人脸属性识别方法,其特征在于,所述获取所述多个初始特征组之间的关联特征,并根据所述多个初始特征组以及所述多个初始特征组之间的关联特征,构建目标特征组的步骤,包括:合并所述多个初始特征组中的特征,得到合并特征组;计算每一初始特征组中特征与所述合并特征组中特征的关联性;从所述合并特征组中抽取与所述初始特征组中特征的关联性达到预设关联指数阈值的特征,得到所述初始特征组的关联特征;将所述初始特征组及其对应的关联特征进行特征融合,得到目标特征组。4.根据权利要求1所述的人脸属性识别方法,其特征在于,所述人脸属性识别方法还包括:构建所述人脸属性识别模型,所述人脸属性识别模型包括主网络、多个分支子网络和全连接层,所述人脸属性识别模型还包括特征图拼接模块、通道选择模块以及特征图融合模块;获取样本人脸图像,所述样本人脸图像具有样本人脸属性标签,所述人脸属性标签按指定属性类别标记分组;通过所述主网络提取所述样本人脸图像中的样本低层人脸特征;通过所述分支子网络按所述分支子网络对应的指定属性类别,获取与所述样本低层人脸特征相关的样本属性共享特征,并根据各个分支子网络的所述样本低层人脸特征以及所述样本属性共享特征,得到多个样本初始特征组;通过所述特征图拼接模块将所述多个样本初始特征组合并,得到样本合并特征组;通过所述通道选择模块计算每一样本初始特征组中样本特征与所述样本合并特征组中样本特征的关联性,从所述样本合并特征组中抽取与所述样本初始特征组中的特征关联
性达到预设关联指数阈值的样本特征,得到所述样本初始特征组的样本关联特征;通过所述特征图融合模块将所述样本初始特征组及其对应的样本关联特征进行特征融合,得到样本目标特征组;在所述全连接层中对所述样本目标特征组的特征进行分类,根据分类结果得到所述样本人脸图像中的人脸属性标签;利用预设损失函数对所述人脸...
【专利技术属性】
技术研发人员:王东,程骏,张惊涛,郭渺辰,胡淑萍,庞建新,熊友军,
申请(专利权)人:深圳市优必选科技股份有限公司,
类型:发明
国别省市:
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。