一种人脸识别模型的训练、人脸识别方法及相关装置制造方法及图纸

本发明专利技术提供了一种人脸识别模型的训练、人脸识别方法及相关装置，该方法包括：确定多个用户，每个用户具有多帧人脸数据；对每个用户的人脸数据的原始分布信息进行平滑处理，获得目标分布信息；将人脸数据作为样本、输入人脸识别模型中计算多个表示人脸数据归属用户的分数；根据目标分布信息对多个用户的分数计算损失值；按照损失值更新人脸识别模型；判断当前迭代的次数是否到达预设的阈值；若是，则确定人脸识别模型训练完成；若否，则返回执行将人脸数据作为样本、输入人脸识别模型中计算多个表示人脸数据归属用户的分数。本实施例缩小头部数据与尾部数据在分布上的差距，充分学习各个用户的人脸数据之间的差异，提升人脸识别模型的泛化能力。模型的泛化能力。模型的泛化能力。

【技术实现步骤摘要】
一种人脸识别模型的训练、人脸识别方法及相关装置


[0001]本专利技术实施例涉及计算机视觉的
，尤其涉及一种人脸识别模型的训练、人脸识别方法及相关装置。

技术介绍

[0002]在工作、学习、生活中的不同场景，人脸识别有着广泛的应用，例如，在公交车站、火车站等交通枢纽对乘客安检，在工厂、小区等区域部署安防，在房门前识别住户，在办公室对员工考勤，等等。
[0003]随着应用的场景越来越广泛，人脸识别的设计迎来了更多的困难，其中一个困难是用于训练人脸识别的训练集呈长尾分布，即，受限于对用户采集人脸数据的渠道，少量用户的人脸数据在训练集中的数量很多，该用户的人脸数据属于头部数据，大部分用户的人脸数据在训练集中的数量很少，该部分用户的人脸数据属于尾部数据，在使用训练集训练用于人脸识别的模型时，头部数据较易过拟合，而尾部数据容易欠拟合，导致用于人脸识别的模型的性能较差，在人脸识别时精确度较低。

技术实现思路

[0004]本专利技术实施例提出了一种人脸识别模型的训练、人脸识别方法及相关装置，以解决如何使用呈长尾分布的训练集训练用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸识别模型的训练方法，其特征在于，包括：确定多个用户，每个所述用户具有多帧人脸数据；对每个所述用户的所述人脸数据的原始分布信息进行平滑处理，获得目标分布信息；将所述人脸数据作为样本、输入人脸识别模型中计算多个表示所述人脸数据归属所述用户的分数；根据所述目标分布信息对多个所述用户的分数计算损失值；按照所述损失值更新所述人脸识别模型；判断当前迭代的次数是否到达预设的阈值；若是，则确定所述人脸识别模型训练完成；若否，则返回执行所述将所述人脸数据作为样本、输入人脸识别模型中计算多个表示所述人脸数据归属所述用户的分数。2.根据权利要求1所述的方法，其特征在于，所述对每个所述用户的所述人脸数据的原始分布信息进行平滑处理，获得目标分布信息，包括：对每个所述用户统计所述人脸数据的第一数量；将所述第一数量从常数空间映射至对数空间，获得平滑数量；对所述平滑数量取整，获得每个所述用户的所述人脸数据的第二数量。3.根据权利要求1或2所述的方法，其特征在于，所述根据所述目标分布信息对多个所述用户的分数计算损失值，包括：确定作为样本的所述人脸数据归属的用户，作为目标用户；使用所述目标分布信息生成所述目标用户的所述人脸数据的分布概率；使用所述目标分布信息对所述目标用户计算平滑系数；在所述目标用户的所述人脸数据维持所述分布概率的条件下，使用所述平滑系数对所述目标用户的分数与其他所述用户的分数之间的差异进行平滑处理，以计算损失值。4.根据权利要求3所述的方法，其特征在于，所述使用所述目标分布信息生成所述目标用户的所述人脸数据的分布概率，包括：从所述目标分布信息中查询各个所述用户的所述人脸数据的第二数量；对所有所述用户的所述人脸数据的第二数量求和，作为总数量；计算所述目标用户的所述人脸数据的第二数量与所述总数量之间的比值，作为所述目标用户的所述人脸数据的分布概率。5.根据权利要求3所述的方法，其特征在于，所述使用所述目标分布信息对所述目标用户计算平滑系数，包括：从所述目标分布信息中查询各个所述用户的所述人脸数据的第二数量；从各个所述用户的所述人脸数据的第二数量中取最大值，作为最大数量；计算所述目标用户的所述人脸数据的第二数量与所述最大数量之间的比值，作为调节系数；计算所述调节系数与预设的平滑经验值之间的乘积，作为所述目标用户的平滑系数。6.根据权利要求3所述的方法，其特征在于，所述在所述目标用户的所述人脸数据维持所述分布概率的条件下，使用所述平滑系数对所述目标用户的分数与其他所述用户的分数之间的差异进行平滑处...

【专利技术属性】
技术研发人员：杨政华，杨海军，陈丽珍，卢经纬，
申请(专利权)人：广东履安实业有限公司，
类型：发明
国别省市：