人脸识别方法、装置和电子设备制造方法及图纸

本发明专利技术提供一种人脸识别方法、装置和电子设备，所述方法包括：确定待识别图像；将待识别图像输入至融合多个场景的人脸识别模型，得到人脸识别模型输出的人脸识别结果；其中，人脸识别模型是基于样本图像及各场景对应的教师模型输出的各场景人脸识别结果，进行蒸馏训练得到的。本发明专利技术通过蒸馏训练方式，得到融合多个场景的人脸识别模型，基于人脸识别模型进行人脸识别，在压缩模型规模、降低运算量的同时，提高基于同一模型实现的多场景人脸识别效果，从而实现准确、可靠且可应用于不同场景下的人脸识别方案。脸识别方案。脸识别方案。

【技术实现步骤摘要】
人脸识别方法、装置和电子设备


[0001]本专利技术涉及计算机视觉
，尤其涉及一种人脸识别方法、装置和电子设备。

技术介绍

[0002]在目前公开的人脸数据集中，基本上都是名人的图像，而且每个人的图像数量很多。然而，在实际业务场景中，有些人物的图像数量较少（如大约2
‑
3张），这些任务的图像与公开的人脸数据集合并训练人脸识别模型，是使模型陷入过拟合的情况，并且两种数据的域相差很大，会严重影响模型的泛化性，进而使得训练得到的人脸识别模型识别精度较低。

技术实现思路

[0003]本专利技术提供一种人脸识别方法、装置和电子设备，用以解决现有技术中人脸识别模型的识别精度较低且泛化性较差的缺陷。
[0004]本专利技术提供一种人脸识别方法，包括：确定待识别图像；将所述待识别图像输入至融合多个场景的人脸识别模型，得到所述人脸识别模型输出的人脸识别结果；其中，所述人脸识别模型是基于样本图像及各场景对应的教师模型输出的各场景人脸识别结果，进行蒸馏训练得到的。
[0005]根据本专利技术提供的一种人脸识别方法，各场景分别对应的教师模型是基于如下步骤训练得到的：确定各场景对应的样本场景图像集合，所述集合中包含多个样本场景图像；基于各场景对应的各样本场景图像中包含的人物在所述集合中出现的次数，从各场景对应的样本场景图像集合中确定各场景对应的正常样本和虚拟样本；基于各场景对应的正常样本、虚拟样本以及所述正常样本和所述虚拟样本包含人脸的身份信息，对教师模型的原始模型进行训练，得到各场景的教师模型。
[0006]根据本专利技术提供的一种人脸识别方法，所述基于所述各场景对应的各样本场景图像中包含的人物在所述集合中出现的次数，从各场景对应的样本场景图像集合中确定各场景对应的正常样本和虚拟样本，包括：在所述各场景对应的各样本场景图像中包含的人物在所述集合中出现的次数大于等于阈值时，将对应的样本场景图像作为对应场景的正常样本；在所述各场景对应的各样本场景图像中包含的人物在所述集合中出现的次数小于所述阈值时，将对应的样本场景图像作为对应场景的虚拟样本。
[0007]根据本专利技术提供的一种人脸识别方法，所述基于各场景对应的正常样本、虚拟样本以及所述正常样本和所述虚拟样本包含人脸的身份信息，对教师模型的原始模型进行训练，得到各场景的教师模型，包括：基于各场景对应的正常样本，以及所述正常样本中包含人脸的身份信息对教师模
型的原始模型进行训练，得到各场景的教师模型对应的初始模型；将各场景对应的虚拟样本输入至各场景的教师模型对应的初始模型，得到各场景的教师模型对应的初始模型输出的各场景虚拟样本对应的人脸识别结果；将各场景的正常样本输入至各场景的教师模型对应的初始模型，得到各场景的教师模型对应的初始模型输出的各场景正常样本对应的人脸识别结果；基于各场景虚拟样本对应的人脸识别结果、各场景正常样本对应的人脸识别结果、各场景虚拟样本包含人脸的身份信息以及各场景正常样本包含人脸的身份信息，对各场景的教师模型对应的初始模型进行训练，得到各场景的教师模型。
[0008]根据本专利技术提供的一种人脸识别方法，所述将各场景对应的虚拟样本输入至各场景的教师模型对应的初始模型，得到各场景的教师模型对应的初始模型输出的各场景虚拟样本对应的人脸识别结果，包括：将各场景对应的虚拟样本输入至各场景的教师模型对应的初始模型中的特征提取层，得到所述特征提取层输出的各场景虚拟样本特征向量以及各场景虚拟样本对应的特征模板；各场景虚拟样本对应的特征模板为各场景的虚拟样本特征向量的平均向量；将各场景虚拟样本特征向量以及各场景虚拟样本对应的特征模板输入至各场景的教师模型对应的初始模型中的人脸识别层，得到所述人脸识别层输出的各场景虚拟样本对应的人脸识别结果；所述将各场景的正常样本输入至各场景的教师模型对应的初始模型，得到各场景的教师模型对应的初始模型输出的各场景正常样本对应的人脸识别结果，包括：将各场景对应的正常样本输入至各场景的教师模型对应的初始模型中的特征提取层，得到所述特征提取层输出的各场景正常样本特征向量；将各场景正常样本特征向量输入至各场景的教师模型对应的初始模型中的人脸识别层，得到所述人脸识别层输出的各场景正常样本对应的人脸识别结果。
[0009]根据本专利技术提供的一种人脸识别方法，各场景对应的样本场景图像是基于如下步骤确定的：获取各场景对应的初始样本场景图像，并对所述初始样本场景图像进行人脸关键点检测，确定各初始样本场景图像的人脸检测框图像；基于各人脸检测框图像中的人脸关键点信息进行人脸对齐，并将人脸对齐后的各图像裁剪为预设尺寸，得到各场景对应的样本场景图像。
[0010]根据本专利技术提供的一种人脸识别方法，所述人脸识别模型是基于如下步骤训练得到的：确定融合多个场景的初始模型；将融合多个场景的初始模型作为学生模型，基于样本图像及各场景对应的教师模型输出的各场景人脸识别结果，对所述学生模型进行蒸馏训练，得到所述人脸识别模型。
[0011]根据本专利技术提供的一种人脸识别方法，所述基于样本图像及各场景对应的教师模型输出的各场景人脸识别结果，对所述学生模型进行蒸馏训练，得到所述人脸识别模型，包括：将所述样本图像中各场景的样本场景图像输入至对应场景的教师模型，得到各场景的教师模型输出的各场景人脸识别结果；
将所述样本图像中各场景的样本场景图像输入至所述学生模型，得到所述学生模型输出的各场景学生识别结果；基于各场景学生识别结果，以及各场景人脸识别结果，确定所述学生模型的损失函数；基于所述学生模型的损失函数，对所述学生模型进行训练，得到所述人脸识别模型。
[0012]本专利技术还提供一种人脸识别装置，包括：确定单元，用于确定待识别图像；识别单元，用于将所述待识别图像输入至融合多个场景的人脸识别模型，得到所述人脸识别模型输出的人脸识别结果；其中，所述人脸识别模型是基于样本图像及各场景对应的教师模型输出的各场景人脸识别结果，以及各场景分别对应的教师模型，进行蒸馏训练得到的。
[0013]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述人脸识别方法的步骤。
[0014]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述人脸识别方法的步骤。
[0015]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述人脸识别方法的步骤。
[0016]本专利技术提供的人脸识别方法、装置和电子设备，通过蒸馏训练方式，得到融合多个场景的人脸识别模型，基于人脸识别模型进行人脸识别，在压缩模型规模、降低运算量的同时，提高基于同一模型实现的多场景人脸识别效果，从而实现准确、可靠且可应用于不同场景下的人脸识别方案。
附图说明
[0017]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸识别方法，其特征在于，包括：确定待识别图像；将所述待识别图像输入至融合多个场景的人脸识别模型，得到所述人脸识别模型输出的人脸识别结果；其中，所述人脸识别模型是基于样本图像及各场景对应的教师模型输出的各场景人脸识别结果，进行蒸馏训练得到的。2.根据权利要求1所述的人脸识别方法，其特征在于，各场景分别对应的教师模型是基于如下步骤训练得到的：确定各场景对应的样本场景图像集合，所述集合中包含多个样本场景图像；基于各场景对应的各样本场景图像中包含的人物在所述集合中出现的次数，从各场景对应的样本场景图像集合中确定各场景对应的正常样本和虚拟样本；基于各场景对应的正常样本、虚拟样本以及所述正常样本和所述虚拟样本包含人脸的身份信息，对教师模型的原始模型进行训练，得到各场景的教师模型。3.根据权利要求2所述的人脸识别方法，其特征在于，所述基于所述各场景对应的各样本场景图像中包含的人物在所述集合中出现的次数，从各场景对应的样本场景图像集合中确定各场景对应的正常样本和虚拟样本，包括：在所述各场景对应的各样本场景图像中包含的人物在所述集合中出现的次数大于等于阈值时，将对应的样本场景图像作为对应场景的正常样本；在所述各场景对应的各样本场景图像中包含的人物在所述集合中出现的次数小于所述阈值时，将对应的样本场景图像作为对应场景的虚拟样本。4.根据权利要求2所述的人脸识别方法，其特征在于，所述基于各场景对应的正常样本、虚拟样本以及所述正常样本和所述虚拟样本包含人脸的身份信息，对教师模型的原始模型进行训练，得到各场景的教师模型，包括：基于各场景对应的正常样本，以及所述正常样本中包含人脸的身份信息对教师模型的原始模型进行训练，得到各场景的教师模型对应的初始模型；将各场景对应的虚拟样本输入至各场景的教师模型对应的初始模型，得到各场景的教师模型对应的初始模型输出的各场景虚拟样本对应的人脸识别结果；将各场景的正常样本输入至各场景的教师模型对应的初始模型，得到各场景的教师模型对应的初始模型输出的各场景正常样本对应的人脸识别结果；基于各场景虚拟样本对应的人脸识别结果、各场景正常样本对应的人脸识别结果、各场景虚拟样本包含人脸的身份信息以及各场景正常样本包含人脸的身份信息，对各场景的教师模型对应的初始模型进行训练，得到各场景的教师模型。5.根据权利要求4所述的人脸识别方法，其特征在于，所述将各场景对应的虚拟样本输入至各场景的教师模型对应的初始模型，得到各场景的教师模型对应的初始模型输出的各场景虚拟样本对应的人脸识别结果，包括：将各场景对应的虚拟样本输入至各场景的教师模型对应的初始模型中的特征提取层，得到所述特征提取层输出的各场景虚拟样本特征向量以及各场景虚拟样本对...

【专利技术属性】
技术研发人员：王金桥，赵朝阳，郭凯文，
申请(专利权)人：中科视语北京科技有限公司，
类型：发明
国别省市：