有遮挡人脸识别方法、装置、设备及可读存储介质制造方法及图纸

本发明专利技术提供一种有遮挡人脸识别方法、装置、设备及可读存储介质。该方法包括：将有遮挡人脸图像以及无遮挡人脸图像输入训练完成的特征提取网络，得到有遮挡人脸图像的第一特征图以及无遮挡人脸图像的第二特征图；基于第一特征图以及第二特征图得到余弦相似度矩阵；基于训练完成的注意力模型得到第一特征图以及第二特征图对应的注意力矩阵；基于余弦相似度矩阵和注意力矩阵，得到有遮挡人脸图像的识别结果。通过本发明专利技术，加强了人脸比对时对局部区域的相似程度的关注度，从而提高了对有遮挡人脸的识别精度。脸的识别精度。脸的识别精度。

【技术实现步骤摘要】
有遮挡人脸识别方法、装置、设备及可读存储介质


[0001]本专利技术涉及人工智能领域，尤其涉及一种有遮挡人脸识别方法、装置、设备及可读存储介质。

技术介绍

[0002]随着人工智能与计算机视觉的快速发展，人脸识别已经应用到安防、支付等各个领域，已成为目前人工智能落地最为广泛的技术。
[0003]目前，人脸识别技术是基于整个人脸图像特征进行人脸识别的算法，依赖于人脸的五官信息得到的特征进行比对识别。这种人脸识别算法在面对用户脸部有遮挡情况时，识别精度低。

技术实现思路

[0004]本专利技术的主要目的在于提供一种有遮挡人脸识别方法、装置、设备及可读存储介质，旨在解决现有人脸识别算法在面对用户脸部有遮挡情况时，识别精度低的技术问题。
[0005]第一方面，本专利技术提供一种有遮挡人脸识别方法，所述有遮挡人脸识别方法包括：将有遮挡人脸图像以及无遮挡人脸图像输入训练完成的特征提取网络，得到有遮挡人脸图像的第一特征图以及无遮挡人脸图像的第二特征图；基于第一特征图以及第二特征图得到余弦相似度矩阵；基于训练完成的注意力模型得到本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种有遮挡人脸识别方法，其特征在于，所述有遮挡人脸识别方法包括：将有遮挡人脸图像以及无遮挡人脸图像输入训练完成的特征提取网络，得到有遮挡人脸图像的第一特征图以及无遮挡人脸图像的第二特征图；基于第一特征图以及第二特征图得到余弦相似度矩阵；基于训练完成的注意力模型得到第一特征图以及第二特征图对应的注意力矩阵；基于余弦相似度矩阵和注意力矩阵，得到有遮挡人脸图像的识别结果。2.如权利要求1所述的有遮挡人脸识别方法，其特征在于，在所述将有遮挡人脸图像以及无遮挡人脸图像分别输入训练完成的特征提取网络之前，还包括：将若干样本图像对输入特征提取网络，得到每个样本图像对的第一样本特征图以及第二样本特征图；通过Flatten层以及全连接层的处理，得到每个样本特征图所属类别概率预测值；基于每个样本特征图所属类别概率预测值得到第一损失函数；基于每个样本图像对的第一样本特征图以及第二样本特征图得到每个样本图像对的样本余弦相似度矩阵；基于注意力模型得到每个样本图像对的第一样本特征图以及第二样本特征图对应的样本注意力矩阵；将每个样本图像对的样本余弦相似度矩阵与样本注意力矩阵点乘求和，得到每个样本图像对的相似度预测结果；基于每个样本图像对的相似度标签值和相似度预测结果，得到第二损失函数；组合第一损失函数以及第二损失函数得到联合损失函数；基于第一损失函数调整全连接层的参数；基于第二损失函数调整注意力模型的参数；基于联合损失函数调整特征提取网络的参数；检测联合损失函数是否收敛；若联合损失函数未收敛，则以新的若干样本图像对作为所述若干样本图像对，并返回执行所述将若干样本图像对输入特征提取网络，得到每个样本图像对的第一样本特征图以及第二样本特征图的步骤；若联合损失函数收敛，则以最新的注意力模型为训练完成的注意力模型，以最新的特征提取网络为训练完成的特征提取网络。3.如权利要求1所述的有遮挡人脸识别方法，其特征在于，所述基于第一特征图以及第二特征图得到余弦相似度矩阵包括：计算第一特征图以及第二特征图每个格点对对应数值的余弦相似度；以每个格点对对应数值的余弦相似度以及每个格点对的格点位置，构建得到余弦相似度矩阵。4.如权利要求1所述的有遮挡人脸识别方法，其特征在于，所述基于训练完成的注意力模型得到第一特征图以及第二特征图对应的注意力矩阵包括：将第一特征图以及第二特征图进行通道维度拼接，得到拼接特征图；基于训练完成的注意力模型对所述拼接特征图进行两次卷积处理，得到注意力矩阵。5.如权利要求1所述的有遮挡人脸识别方法，其特征在于，所述基于余弦相似度矩阵和
注意力矩阵，得到有遮挡人脸图像的识别结果包括：将余弦相似度矩阵转换成第一一维向量；将注意力矩阵转换成第二一维向量；对第一一维向量以及第二一维向量执行点乘运算...

【专利技术属性】
技术研发人员：杨曼，方鹏程，张新访，
申请(专利权)人：武汉天喻信息产业股份有限公司，
类型：发明
国别省市：