人脸识别场景下的特征提取模型处理方法、装置、设备制造方法及图纸

本申请是人脸识别场景下的特征提取模型处理方法、装置、设备，涉及计算机视觉领域。所述方法包括：获取训练样本集；通过特征提取模型对至少两种模态的人脸样本图像，以及混合图像进行特征提取，获得所述至少两种样本图像特征，以及混合图像对应的混合图像特征；基于所述至少两种样本图像特征、混合图像特征以及匹配关系，对所述特征提取模型进行更新。上述方案通过不同模态的图像以及混合图像对模型进行训练，使训练出的特征提取模型对不同模态的人脸图像进行特征提取时，通过更新后模型提取出的不同模态的特征的相似度更高，提高了对不同模态图像提取的图像特征的准确性，从而提高了基于多模态的图像特征的应用效果。了基于多模态的图像特征的应用效果。了基于多模态的图像特征的应用效果。

【技术实现步骤摘要】
人脸识别场景下的特征提取模型处理方法、装置、设备


[0001]本申请涉及计算机视觉领域，特别涉及一种人脸识别场景下的特征提取模型处理方法、装置、设备。

技术介绍

[0002]人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术。
[0003]在相关技术中，人脸识别的实际应用中通常采用基于可见光或红外光的人脸识别，也就是通过获取RGB
‑
D(以红绿蓝三色为基础的深度图像)摄像头获取到RGB
‑
D模态的人脸图像；或者通过IR(Infrared Radiation，红外)摄像头获取到的IR模态的人脸图像，并对该人脸图像进行预处理后进行特征提取，将提取出的特征以及数据库中的特征进行匹配，确定该人脸图像对应的身份信息。
[0004]上述技术方案中，对不同模态的图像提取出的图像特征的相似度较低，图像特征提取的准确性较差。

技术实现思路

[0005]本申请实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸识别场景下的特征提取模型处理方法，其特征在于，所述方法包括：获取训练样本集，所述训练样本集中包含至少两种模态的人脸样本图像，以及混合图像；所述混合图像是基于所述至少两种模态的人脸样本图像的有效图像数据融合得到的；通过特征提取模型对所述至少两种模态的人脸样本图像，以及所述混合图像进行特征提取，获得所述至少两种模态的人脸样本图像各自对应的样本图像特征，以及所述混合图像对应的混合图像特征；基于所述至少两种模态的人脸样本图像各自对应的样本图像特征、所述混合图像特征以及所述至少两种模态的人脸样本图像之间的匹配关系，对所述特征提取模型进行更新；其中，所述特征提取模型用于在人脸识别场景下对不同模态的人脸图像进行特征提取。2.根据权利要求1所述的方法，其特征在于，不同模态的人脸样本图像的有效图像通道不同；所述有效图像通道是包含所述有效图像数据的图像通道；所述获取训练样本集，包括：获取所述至少两种模态的人脸样本图像各自的有效图像数据；基于所述至少两种模态，获取所述训练样本集对应的完整图像通道；基于所述至少两个模态的人脸样本图像各自的有效图像数据，以及所述训练样本集对应的完整图像通道，获取所述至少两种模态的人脸样本图像，以及所述混合图像。3.根据权利要求2所述的方法，其特征在于，所述基于所述至少两个模态的人脸样本图像各自的有效图像数据，以及所述训练样本集对应的完整图像通道，获取所述至少两种模态的人脸样本图像，以及所述混合图像，包括：将所述至少两个模态的人脸样本图像各自的有效图像数据，分别按照对应的有效图像通道写入各自的图像模板，获得所述至少两个模态的人脸样本图像；所述图像模板中包含所述完整图像通道；将所述至少两个模态的人脸样本图像各自的有效图像数据，分别按照对应的有效图像通道写入同一个所述图像模板，获得所述混合图像。4.根据权利要求2所述的方法，其特征在于，所述基于所述至少两个模态的人脸样本图像各自的有效图像数据，以及所述训练样本集对应的完整图像通道，获取所述至少两种模态的人脸样本图像，以及所述混合图像，包括：将所述至少两个模态的人脸样本图像各自的有效图像数据，分别按照对应的有效图像通道写入同一个图像模板，获得所述混合图像；所述图像模板中包含所述完整图像通道；对所述混合图像中，所述至少两个模态的人脸样本图像分别对应的无效图像通道进行置零，获得所述至少两个模态的人脸样本图像；所述无效图像通道是所述完整图像通道中，除了对应的有效图像通道之外的其它图像通道。5.根据权利要求1至4任一所述的方法，其特征在于，所述图像通道包括色彩图像通道、红外图像通道以及深度图像通道中的至少两者。6.根据权利要求1至4任一所述的方法，其特征在于，所述基于所述至少两种模态的人脸样本图像各自对应的样本图像特征、所述混合图像特征以及所述至少两种模态的人脸样本图像之间的匹配关系，对所述特征提取模型进行更新，包括：基于所述混合图像特征以及所述至少两种模态的人脸样本图像之间的匹配关系，将所
述至少两种模态的人脸样本图像各自对应的样本图像特征，以及所述混合图像特征输入第一损失函数，获得第一损失函数值；基于所述第一损失函数值，对所述图像匹配模型进行更新。7.根据权利要求6所述的方法，其特征在于，所述第一损失函数为欧式距离损失函数；所述基于所述混合图像特征以及所述至少两种模态的人脸样本图像之间的匹配关系，将所述至少两种模态的人脸样本图像各自对应的样本图像特征，以及所述混合图像特征输入第一损失函数，获得第一损失函数值，包括：响应于所述混合图像特征以及所述至少两种模态的人脸样本图像之间的匹配关系为相匹配，将所述至少两种模态的人脸样本图像各自对应的样本图像特征，以及所述混合图像特征输入所述第一损失函数，获得所述第一损失函数值。8.根据权利要求1至4任一所述的方法，其特征在于，训练样本集中还包括样本图像标签；所述样本图像标签用于指示所述至少两种模态的人脸样本图像的类别；所述方法还包括：基于所述至少两种模态的人脸样本图像各自对应的样本图像特征、所述混合图像特征以及所述样本图像标签，对所述特征提取模型进行更新。9.根据权利要求8所述的方法，其特征在于，所述基于所述至少两种模态的人脸样本图像各自对应的样本图像特征、所述混合图像特征以及所述样本图像标签，对所述特征提取模型进行更新，包括：基于所述样本图像标签，将所述至少两种模态的人脸样本图像各自对应的样本图像特征以及所述混合图像特征输入第二损失函数，获得第二损失函数值；基于...

【专利技术属性】
技术研发人员：穆国栋，沈鹏程，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：