一种跨年龄人脸识别模型训练方法、识别方法及装置制造方法及图纸

本公开涉及人工智能技术领域，提供了一种跨年龄人脸识别模型训练方法、识别方法及装置。该方法包括：获取训练人脸图像集，训练人脸图像集至少包括属于同一人不同年龄的第一、第二人脸图像，以及另外一人的第三人脸图像；对训练人脸图像集进行特征提取，获得第一、第二、第三年龄特征向量；根据第一、第二、第三年龄特征向量和标准年龄特征向量，计算年龄特征总损失值；根据第一、第二、第三年龄特征向量，计算跨年龄人脸特征损失值；根据年龄特征总损失值、跨年龄人脸特征损失值对基础识别模型进行迭代更新，直至达到预设的迭代终止条件，获得最终跨年龄人脸识别模型。本公开的最终跨年龄人脸识别模型的识别效果好，识别精度有明显的提高。提高。提高。

【技术实现步骤摘要】
一种跨年龄人脸识别模型训练方法、识别方法及装置


[0001]本公开涉及人工智能
，尤其涉及一种跨年龄人脸识别模型训练方法、识别方法及装置。

技术介绍

[0002]人工智能技术无论是在过去、现在还是将来，都是计算机科学的研究热点问题之一。人脸识别技术是人工智能技术中的一个重要分支。其中，在人脸识别的实际应用中，通常会涉及到很多跨年龄人脸识别的场景，比如，长时间间隔下的人脸比对(比如，间隔2年、5年时间的人脸比对)、搜寻被拐卖儿童等。因此，跨年龄人脸识别已经成为人脸识别领域中的研究焦点之一。
[0003]现有的跨年龄人脸识别，通常是通过引起更多同一个人、不同年龄阶段的人脸图片来训练网络的鲁棒性。但是，不同年龄段的人脸特征通常差异较大，一旦共享同样的特征空间，进行同样的编码，并不能够很好地进行互相拟合，因此，训练得到识别模型的识别精确度并不高。

技术实现思路

[0004]有鉴于此，本公开实施例提供了一种跨年龄人脸识别模型训练方法、识别方法及装置，以解决现有的跨年龄人脸识别模型的识别精确度不高的问题。
[0005]本公开实施例的第一方面，提供了一种跨年龄人脸识别模型训练方法，包括：
[0006]获取训练人脸图像集，训练人脸图像集至少包括属于同一人不同年龄的第一人脸图像和第二人脸图像，以及人脸标识信息不同于第一、第二人脸图像的第三人脸图像；
[0007]对训练人脸图像集进行特征提取，获得与第一人脸图像对应的第一年龄特征向量，与第二人脸图像对应的第二年龄特征向量，以及与第三人脸图像对应的第三年龄特征向量；
[0008]调取年龄特征数据库中的所有标准年龄特征向量，根据第一年龄特征向量、第二年龄特征向量、第三年龄特征向量和标准年龄特征向量，计算得到年龄特征总损失值；
[0009]根据第一年龄特征向量、第二年龄特征向量、第三年龄特征向量，计算得到跨年龄人脸特征损失值；
[0010]根据年龄特征总损失值、跨年龄人脸特征损失值对基础跨年龄人脸识别模型进行迭代更新，直至达到预设的迭代终止条件，获得最终跨年龄人脸识别模型。
[0011]本公开实施例的第二方面，提供了一种跨年龄人脸识别方法，包括：
[0012]获取待识别人脸图像；
[0013]将待识别人脸图像输入最终跨年龄人脸识别模型，输出待识别人脸图像的人脸标识信息和年龄预测值，其中，最终跨年龄人脸识别模型是通过上述的跨年龄人脸识别模型训练方法训练得到的。
[0014]本公开实施例的第三方面，提供了一种跨年龄人脸识别模型训练装置，包括：
[0015]图像获取模块，被配置为获取训练人脸图像集，训练人脸图像集至少包括属于同一人不同年龄的第一人脸图像和第二人脸图像，以及人脸标识信息不同于第一、第二人脸图像的第三人脸图像；
[0016]特征提取模块，被配置为对训练人脸图像集进行特征提取，获得与第一人脸图像对应的第一年龄特征向量，与第二人脸图像对应的第二年龄特征向量，以及与第三人脸图像对应的第三年龄特征向量；
[0017]第一损失计算模块，被配置为调取年龄特征数据库中的所有标准年龄特征向量，根据第一年龄特征向量、第二年龄特征向量、第三年龄特征向量和标准年龄特征向量，计算得到年龄特征总损失值；
[0018]第二损失计算模块，被配置为根据第一年龄特征向量、第二年龄特征向量、第三年龄特征向量，计算得到跨年龄人脸特征损失值；
[0019]模型更新模块，被配置为根据年龄特征总损失值、跨年龄人脸特征损失值对基础跨年龄人脸识别模型进行迭代更新，直至达到预设的迭代终止条件，获得最终跨年龄人脸识别模型。
[0020]本公开实施例的第四方面，提供了一种跨年龄人脸识别模型装置，包括：
[0021]获取模块，被配置为获取待识别人脸图像；
[0022]识别模块，被配置为将待识别人脸图像输入最终跨年龄人脸识别模型，输出待识别人脸图像的人脸标识信息和年龄预测值，其中，最终跨年龄人脸识别模型是通过上述的跨年龄人脸识别模型训练方法训练得到的。
[0023]本公开实施例的第五方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。
[0024]本公开实施例的第六方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
[0025]本公开实施例与现有技术相比，其有益效果至少包括：通过获取训练人脸图像集，训练人脸图像集至少包括属于同一人不同年龄的第一人脸图像和第二人脸图像，以及人脸标识信息不同于第一、第二人脸图像的第三人脸图像；对训练人脸图像集进行特征提取，获得与第一人脸图像对应的第一年龄特征向量，与第二人脸图像对应的第二年龄特征向量，以及与第三人脸图像对应的第三年龄特征向量；调取年龄特征数据库中的所有标准年龄特征向量，根据第一年龄特征向量、第二年龄特征向量、第三年龄特征向量和标准年龄特征向量，计算得到年龄特征总损失值；根据第一年龄特征向量、第二年龄特征向量、第三年龄特征向量，计算得到跨年龄人脸特征损失值；根据年龄特征总损失值、跨年龄人脸特征损失值对基础跨年龄人脸识别模型进行迭代更新，直至达到预设的迭代终止条件，获得最终跨年龄人脸识别模型，该最终跨年龄人脸识别模型的识别效果好，识别精度有明显的提高。
附图说明
[0026]为了更清楚地说明本公开实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附
图获得其它的附图。
[0027]图1是本公开实施例提供的一种跨年龄人脸识别模型训练方法的流程示意图；
[0028]图2是本公开实施例提供的一种跨年龄人脸识别方法的流程示意图；
[0029]图3是本公开实施例提供的一种跨年龄人脸识别模型训练装置的结构示意图；
[0030]图4是本公开实施例提供的一种跨年龄人脸识别装置的结构示意图；
[0031]图5是本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
[0032]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本公开实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本公开的描述。
[0033]下面将结合附图详细说明根据本公开实施例的一种跨年龄人脸识别模型训练方法、跨年龄人脸识别方法及装置。
[0034]图1是本公开实施例提供的一种跨年龄人脸识别模型训练方法的流程示意图。如图1所示，该跨年龄人脸识别模型训练方法包括：
[0035]步骤S101，获取训练人脸图像集，训练本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种跨年龄人脸识别模型训练方法，其特征在于，包括：获取训练人脸图像集，所述训练人脸图像集至少包括属于同一人不同年龄的第一人脸图像和第二人脸图像，以及人脸标识信息不同于所述第一人脸图像、第二人脸图像的第三人脸图像；对所述训练人脸图像集进行特征提取，获得与所述第一人脸图像对应的第一年龄特征向量，与所述第二人脸图像对应的第二年龄特征向量，以及与所述第三人脸图像对应的第三年龄特征向量；调取年龄特征数据库中的所有标准年龄特征向量，根据所述第一年龄特征向量、第二年龄特征向量、第三年龄特征向量和标准年龄特征向量，计算得到年龄特征总损失值；根据所述第一年龄特征向量、第二年龄特征向量、第三年龄特征向量，计算得到跨年龄人脸特征损失值；根据所述年龄特征总损失值、跨年龄人脸特征损失值对基础跨年龄人脸识别模型进行迭代更新，直至达到预设的迭代终止条件，获得最终跨年龄人脸识别模型。2.根据权利要求1所述的方法，其特征在于，所述对所述训练人脸图像集进行特征提取，获得与所述第一人脸图像对应的第一年龄特征向量，与所述第二人脸图像对应的第二年龄特征向量，以及与所述第三人脸图像对应的第三年龄特征向量，包括：将所述训练人脸图像集输入预设的残差神经网络，输出与所述第一人脸图像对应的第一人脸特征图，与所述第二人脸图像对应的第二人脸特征图，以及与所述第三人脸图像对应的第三人脸特征图；分别对所述第一人脸特征图、第二人脸特征图和第三人脸特征图进行三次卷积运算或者一次池化处理，获得与所述第一人脸特征图对应的第一特征向量，与所述第二人脸特征图对应的第二特征向量，以及与所述第三人脸特征图对应的第三特征向量；分别对所述第一特征向量、第二特征向量和第三特征向量进行特征分离，获得与所述第一特征向量对应的第一年龄特征向量，与所述第二特征向量对应的第二年龄特征向量，以及与所述第三特征向量对应的第三年龄特征向量。3.根据权利要求2所述的方法，其特征在于，所述对所述第一特征向量、第二特征向量和第三特征向量进行特征分离，获得与所述第一特征向量对应的第一年龄特征向量，与所述第二特征向量对应的第二年龄特征向量，以及与所述第三特征向量对应的第三年龄特征向量，包括：分别对所述第一特征向量、第二特征向量和第三特征向量进行降维处理，得到与所述第一特征向量对应的第一降维向量，与所述第二特征向量对应的第二降维向量，与所述第三特征向量对应的第三降维向量；将所述第一降维向量、第二降维向量和第三降维向量分别输入分类器，输出与所述第一降维向量对应的第一分类结果，与所述第二降维向量对应的第二分类结果，以及与所述第三降维向量对应的第三分类结果；根据所述第一特征向量和第一分类结果，计算得到第一年龄特征向量；根据所述第二特征向量和第二分类结果，计算得到第二年龄特征向量；根据所述第三特征向量和第三分类结果，计算得到第三年龄特征向量。4.根据权利要求1所述的方法，其特征在于，所述根据所述第一年龄特征向量、第二年
龄特征向量、第三年龄特征向量和所有标准年龄特征向量，计算得到年龄特征总损失值，包括：根据所述第一年龄特征向量与所有标准年龄特征向量，计算得到第一年龄特征损失值；根据所述第二年龄特征向量与所有标准年龄特征向量，计算得到第二年龄特征损失值；根据所述第三年龄特征向量与所有标准年龄特征向量，计算得到第三年龄特征损失值；根据所述第一年龄特征损失值、第二年龄特征损失值和第三年龄特征损失值，计算得到年龄特征总损失值。5.根据权利要求4所述的方法，其特征在于，所述根据所述第一年龄特征向量与所有标准年龄特征向量，计算得到第一年龄特征损失值，包括：分别计算所述第一年龄特征向量与每一所述标准年龄特征向量之间的相似度，所述相似度包括所述第一年龄特征向量和与其对应的真实年龄一致的标准年龄特征向量之间的对应相似度，以及所述第一年龄特征向量和与其对应的真实年龄不一致的标准年龄特征向量之间的非对应相似度；根据所述对应相似度和非对应相似度，计算得到第一年龄特征损失值。6.根据权利要求1所述的方法，其特征在于，所述根据所述第一年龄特征向量、第二年龄特征向量、第三年龄特征向量，计算得到跨年龄人脸特征损失值，包括：以所述第二年龄特征向量为目标年龄特征向量，对所述第一人脸特征图进行特征转换，获得第一转换特征向量；以所述第三年龄特征向量为目标年龄特征向量，对所述第一人脸特征图进行特征转换，获得第二转换特征向量；根据所述第一转换特征向量、第二转换特征向量、第一特征向量、第二特征向量、第三特征向量，计算得到跨年龄人脸特征损失值。7.根据权利要求6所述的方法，其特征在于，...

【专利技术属性】
技术研发人员：黄泽元，
申请(专利权)人：深圳集智数字科技有限公司，
类型：发明
国别省市：