人脸属性识别方法、装置、存储介质和智能设备制造方法及图纸

本申请适用于人脸识别技术领域，提供了一种人脸属性识别方法、装置、存储介质和智能设备，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。本申请可提高人脸属性识别的准确性。可提高人脸属性识别的准确性。可提高人脸属性识别的准确性。

【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。
[0010]第二方面，本申请实施例提供了一种人脸属性识别装置，包括：
[0011]目标图像获取单元，用于获取目标人脸图像；
[0012]目标图像输入单元，用于将所述目标人脸图像输入至训练好的人脸属性识别模型；
[0013]特征提取和构建单元，用于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；
[0014]人脸属性识别单元，用于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。
[0015]第三方面，本申请实施例提供了一种智能设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的人脸属性识别方法。
[0016]第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的人脸属性识别方法。
[0017]第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在智能设备上运行时，使得智能设备执行如上述第一方面所述的人脸属性识别方法。
[0018]本申请实施例中，通过获取目标人脸图像，将所述目标人脸图像输入至训练好的人脸属性识别模型，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，即分组提取人脸特征，然后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，充分利用人脸特征之间的关联信息有助于人脸属性识别，再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。本方案利用训练好的人脸属性识别模型进行人脸属性识别可提高识别的效率，通过该人脸属性识别模型将提取的特征进行有效分组后，再利用特征之间的关联性对人脸属性进行识别，可有效提高人脸属性识别的准确性。
附图说明
[0019]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0020]图1是本申请实施例提供的人脸属性识别方法的实现流程图；
[0021]图2是本申请实施例提供的人脸属性识别方法中人脸属性识别模型的构建和训练的具体实现流程图；
[0022]图3是本申请实施例提供的人脸属性识别方法中获取初始特征组的具体实现流程图；
[0023]图4是本申请实施例提供的人脸属性识别方法中构建目标特征组的具体实现流程图；
[0024]图5是本申请实施例提供的人脸属性识别方法中人脸属性识别模型的网络结构示意图；
[0025]图6是本申请实施例提供的人脸属性识别装置的结构框图；
[0026]图6.1是本申请实施例提供的另一种人脸属性识别装置的结构框图；
[0027]图7是本申请实施例提供的智能设备的示意图。
具体实施方式
[0028]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具
体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
[0029]应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0030]还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0031]如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0032]另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0033]在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“本文档来自技高网...

【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：