人脸识别方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术涉及人工智能领域，揭露一种人脸识别方法，包括：标记训练人脸图像的真实标签；利用预构建人脸识别模型提取训练人脸图像的特征图像；检测特征图像的预测分辨率，计算预测分辨率与真实标签中真实分辨率的分辨率损失；并根据预测分辨率，识别特征图像的预测人脸图像，计算预测人脸图像与真实标签中真实人脸图像的人脸损失；根据分辨率损失和人脸损失，计算预构建人脸识别模型的模型损失，并在模型损失小于预设损失时，得到训练好的人脸识别模型，以通过训练好的人脸识别模型对待识别人脸图像进行人脸识别，得到人脸识别结果。此外，本发明专利技术还涉及区块链技术，所述训练人脸图像可存储区块链中。本发明专利技术可以提高人脸识别的准确率。率。率。

【技术实现步骤摘要】
人脸识别方法、装置、电子设备及存储介质


[0001]本专利技术涉及人工智能领域，尤其涉及一种人脸识别方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]人脸作为一种独特的生物信息，具有与生俱来、相对稳定并且不易被复制的特点，具有很强的辨识性和区分度。人脸识别是通过提取人脸特征信息进行身份识别的一种技术，已经广泛应用于生活中的各个方面，例如公安监控、刷脸考勤、便捷支付等，人脸识别技术的发展和应用给人们的日常生活提供了极大的便利。
[0003]人脸识别的准确性依赖高质量的人脸图像，但在实际场景中人脸图像的获取条件并不可控，例如拍摄设备分辨率较低、拍摄距离较远、光照条件不好等，往往得到的是降质后的低分辨率人脸图像，损失了大量的细节和特征信息，从而影响人脸识别的准确率。

技术实现思路

[0004]本专利技术提供一种人脸识别方法、装置、电子设备及计算机可读存储介质，其主要目的在于提高人脸识别的准确率。
[0005]为实现上述目的，本专利技术提供的一种人脸识别方法，包括：
[0006]获取训练人脸图像，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，所述方法包括：获取训练人脸图像，并标记所述训练人脸图像的真实标签；利用预构建人脸识别模型中的密集连接网络提取所述训练人脸图像的特征图像；利用所述预构建人脸识别模型中的分辨率检测网络检测所述特征图像的预测分辨率，并计算所述预测分辨率与所述真实标签中真实分辨率的分辨率损失；根据所述预测分辨率，利用所述预构建人脸识别模型中的人脸检测网络识别所述特征图像的预测人脸图像，并计算所述预测人脸图像与所述真实标签中真实人脸图像的人脸损失；根据所述分辨率损失和所述人脸损失，计算所述预构建人脸识别模型的模型损失；判断所述模型损失是否小于预设损失；若所述模型损失不小于所述预设损失，则调整所述预构建人脸识别模型的参数后，返回执行所述利用预构建人脸识别模型中的密集连接网络提取所述训练样本的特征图像的步骤；若所述模型损失小于所述预设损失，得到训练好的人脸识别模型，并利用所述训练好的人脸识别模型对待识别人脸图像进行人脸识别，得到人脸识别结果。2.如权利要求1所述的人脸识别方法，其特征在于，所述利用预构建人脸识别模型中的密集连接网络提取所述训练人脸图像的特征图像，包括：对所述训练人脸图像进行卷积操作，并对卷积操作后的所述训练人脸图像进行非线性变换，得到变换人脸图像；将所述变换人脸图像进行特征拼接，得到特征图像。3.如权利要求1所述的人脸识别方法，其特征在于，所述利用所述预构建人脸识别模型中的分辨率检测网络检测所述特征图像的预测分辨率，包括：利用所述分辨率检测网络中的采样层对所述特征图像进行上采样，得到采样图像；利用所述分辨率检测网络中的融合层将所述采样图像和所述训练人脸图像进行融合，得到融合图像；利用所述分辨率检测网络中的全连接层输出所述融合图像的预测分辨率。4.如权利要求3所述的人脸识别方法，其特征在于，所述计算所述预测分辨率与所述真实标签中真实分辨率的分辨率损失，包括：利用下述公式计算所述预测分辨率与所述真实标签中真实分辨率的分辨率损失：L1＝|α
p
‑
α
g
|其中L1表示分辨率损失，α
g
表示预测分辨率，α
p
表示真实分辨率。5.如权利要求1所述的人脸识别方法，其特征在于，所述根据所述预测分辨率，利用所述预构建人脸识别模型中的人脸检测网络识别所述特征图像的预测人脸图像，包括：根据所述预测分辨率，利用所述人脸检测网络中区域检测层检测所述特征图像的人脸区域；利用所述人脸检测网络中的批标准化层对所述人脸区域进行标准化操作，得到标准人脸区域；利用所述人脸检测网络中的激活...

【专利技术属性】
技术研发人员：肖田雨，
申请(专利权)人：中国平安人寿保险股份有限公司，
类型：发明
国别省市：