【技术实现步骤摘要】
数据处理方法及装置
[0001]本申请涉及人脸识别
,具体而言,涉及一种数据处理方法及装置。
技术介绍
[0002]人脸识别终端设备越来越多的出现在实际生活中,比如人脸考勤、人员管理等。根据人脸识别设备的使用情况,可以将其分为配合式设备和非配合式设备,一般情况下配合式设备采集的人脸图像的质量较好,而非配合式设备采集到的人脸图像则多种多样,甚至存在不同程度的遮挡,并且人脸识别系统识别遮挡后的人脸图像的准确度降低,给人脸识别系统带来干扰。在遮挡情况下对人脸识别系统中各个模块的算法精度均产生影响,由于人脸识别系统中各个模块的优化均需要依赖大量的数据进行,并且标注成本比较高且时间长,此外获取遮挡样本的成本较高。
[0003]因此,现有技术中采用数据增强方法,生成在人脸遮挡情况下的人脸检测、关键点定位及人脸识别模型训练相应的增强样本。数据增强方法一般包括:随机剪裁,长宽比变化缩放,色彩空间变换,区域随机擦除等方法,但是,随机剪裁、长宽比变化缩放及色彩空间缩放等数据增强方法不能产生人脸遮挡情况下的人脸检测、关键点定位及人脸识别模型训练相应的增强样本;区域随机擦除的数据增强方法是在整个图像上随机将一定面积和位置的像素值置零,人为使训练样本丢失该区域的信息,该方法虽然可以对遮挡人脸情况下人脸各任务的训练带来一定的帮助,但是存在以下缺点:1、置零区域的位置和面积随机选择,不能针对真实场景中经常出现的人脸遮挡情况如戴口罩或戴帽子、眼镜遮挡的情况,缺乏针对性。2、随机选择区域像素值并直接置零的方式比较简单,无法模拟实际人脸识 ...
【技术保护点】
【技术特征摘要】
1.一种数据处理方法,其特征在于,包括:接收输入数据,其中,所述输入数据包括第一图像信息;对所述第一图像信息进行第一变换处理,得到第二图像信息;在所述第二图像信息中添加遮挡信息,得到第三图像信息。2.根据权利要求1所述的方法,其特征在于,还包括:对所述第三图像信息进行第二变换处理,得到第四图像信息,其中,所述第二变换处理为所述第一变换处理的逆变换。3.根据权利要求2所述的方法,其特征在于,所述第一图像信息为第一人脸图像,所述第二图像信息为第二人脸图像,对所述第一图像信息进行所述第一变换处理,得到所述第二图像信息包括:对所述第一人脸图像进行所述第一变换处理,得到所述第二人脸图像,其中,所述第一人脸图像为原始人脸图像,所述第二人脸图像为预设人脸模板上的人脸对齐图像。4.根据权利要求3所述的方法,其特征在于,对所述第一人脸图像进行所述第一变换处理,得到所述第二人脸图像包括:获取所述第一人脸图像上的第一人脸关键点信息;获取所述预设人脸模板上与所述第一人脸关键点信息对应的第二人脸关键点信息;基于所述第一人脸关键点信息和所述第二人脸关键点信息确定相似变换关系;基于所述相似变换关系对所述第一人脸图像进行相似变换处理,得到所述第二人脸图像。5.根据权利要求4所述的方法,其特征在于,所述第三图像信息为第三人脸图像,所述第四图像信息为第四人脸图像,对所述第三图像信息进行所述第二变换处理,得到所述第四图像信息包括:对所述第三人脸图像进行所述第二变换处理,得到所述第四人脸图像,其中,所述第四人脸图像是在原始人脸图像中添加所述遮挡信息后得到的图像。6.根据权利要求5所述的方法,其特征在于,对所述第三人脸图像进行所述第二变换处理,得到所述第四人脸图像包括:基于所述相似变换关系对应的逆变换关系,将所述第三人脸图像转换为所述第四人脸图像。7.根据权利要求5所述的方法,其特征在于,获取所述第一人脸图像上的所述第一人脸关键点信息包括:对所述第一人脸图像进行人脸检测处理,从所述第一人脸图像中标记出第一人脸轮廓信息;对所述第一人脸轮廓信息进行人脸关键点定位处理,得到所述第一人脸关键点信息。8.根据权利要求7所述的方法,其特征在于,所述方法还包括:基于所述第一人脸轮廓信息和所述第四人脸图像,确定第一训练数据,其中,所述第一训练数据用于训练人脸检测模型,所述人脸检测模型用于对遮挡局部人脸部位后的人脸图像进行人脸检测。9.根据权利要求7所述的方法,其特征在于,所述方法还包括:基于所述第一人脸关键点信息和所述第四人脸图像,确定第二训练数据,其中,所述第
二训练数据用于训练关键点定位模型,所述关键点定位模型用于对遮挡局部人脸部位后的人脸关键点进行定位。10.根据权利要求2所述的方法,其特征在于,所述第一图像信息为第一人脸图像,所述第二图像信息为第一三维人脸模型图像,对所述第一图像信息进行所述第一变换处理,得到所述第二图像信息包括:对所述第一人...
【专利技术属性】
技术研发人员:商磊,孙佰贵,李昊,
申请(专利权)人:阿里巴巴集团控股有限公司,
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。