一种人脸信息识别方法、设备、存储介质及神经网络模型技术

本申请属于人脸识别检测技术领域，尤其涉及一种人脸信息识别方法、设备、存储介质及神经网络模型。该方法应用于神经网络模型，该神经网络模型包括第一通道组和第二通道组，包括：获取待识别图像；识别待识别图像中的人脸位置信息；根据人脸位置信息确定人脸特征信息；通过第一通道组输出人脸位置信息，通过第二通道组输出人脸特征信息。通过增加神经网络模型中通道组数，从而实现基于同一种神经网络模型，经过一次输入以及推理计算过程，在不同通道组中，同时输出人脸位置信息和人脸特征信息。本申请实施例提供的技术方案在保证精度的情况避免了资源浪费，节省了设备的资源以及性能消耗。能消耗。能消耗。

A face information recognition method, equipment, storage medium and neural network model

【技术实现步骤摘要】
一种人脸信息识别方法、设备、存储介质及神经网络模型


[0001]本申请属于人脸识别检测
，尤其涉及一种人脸信息识别方法、设备、存储介质及神经网络模型。

技术介绍

[0002]Yolov5神经网络模型是一种通用的目标检测模型，Yolov5
‑
face人脸识别检测模型在Yolov5神经网络模型的基础上，新增加了对人脸关键点回归分支的检测，电子设备将待识别图像输入至Yolov5
‑
face人脸识别检测模型之后，可以通过该模型输出人脸位置信息。
[0003]当电子设备需要同时检测出待识别图像中的人脸位置信息和人脸三维角度信息时，通常采用在Yolov5
‑
face人脸识别检测模型的基础上，使用另外一个用于识别人脸三维角度的神经网络，如Hopenet。示例性的，电子设备在获取到待识别图像后，首先将其输入至Yolov5
‑
face人脸识别检测模型，得到人脸位置信息，然后再基于该人脸位置信息剪裁待识别图像中的目标人脸，得到剪裁后的目标人脸图像，将剪裁后的目标人脸图像输入至用于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸信息识别方法，其特征在于，应用于神经网络模型，所述神经网络模型包括第一通道组和第二通道组；所述方法包括：获取待识别图像；识别所述待识别图像中的人脸位置信息；根据所述人脸位置信息确定人脸特征信息；通过所述第一通道组输出所述人脸位置信息，通过所述第二通道组输出所述人脸特征信息。2.根据权利要求1所述的方法，其特征在于，所述识别所述待识别图像中的人脸位置信息，包括：对所述待识别图像进行下采样，得到不同下采样倍数的第一目标图像；对所述不同下采样倍数的第一目标图像进行特征融合，得到第二目标图像；识别所述第二目标图像中的人脸位置信息。3.根据权利要求1所述的方法，其特征在于，所述根据所述人脸位置信息确定人脸特征信息，包括：根据所述人脸位置信息剪裁所述待识别图像中的目标人脸，得到剪裁后的目标人脸图像；识别所述目标人脸图像中的人脸特征信息。4.根据权利要求1所述的方法，其特征在于，在通过所述第一通道组输出所述人脸位置信息，通过所述第二通道组输出所述人脸特征信息之前，所述方法还包括：对所述人脸位置信息和所述人脸特征信息进行解码。5.根据权利要求1所述的方法，其特征在于，所述人脸特征信息为人脸三维角度信息。6.一种神经网络模型，其特征在于，所述神经网络模型包括第一通道组和第二通...

【专利技术属性】
技术研发人员：吴汉俊，魏玉蓉，苏云强，
申请(专利权)人：深圳市景阳科技股份有限公司，
类型：发明
国别省市：