一种基于多阶注意力机制融合的人脸属性识别算法及系统技术方案

本发明专利技术提出了一种基于多阶注意力机制融合的人脸属性识别算法，该算法包括：响应于人脸检测方法和人脸对齐方法，获取图像中的完整人脸区域，并输出人脸图像；将获取的人脸图像输入至卷积神经网络模型中，进一步提取该人脸图像的若干图像特征进行训练并处理；以及同时将获取的人脸图像的图像特征输入至多阶注意力机制融合网络模型中进行训练和处理；完成对该人脸图像的属性识别。通过在卷积神经网络的基础上引入了多阶注意力机制融合网络，利用Transformer构建全局特性信息的能力，学习图像所有的面部属性信息，利用卷积神经网络强大的特征信息提取能力和多阶注意力机制融合网络建模全局特性信息的能力，提升了算法对面部多种属性的识别能力。多种属性的识别能力。多种属性的识别能力。

【技术实现步骤摘要】
一种基于多阶注意力机制融合的人脸属性识别算法及系统


[0001]本专利技术属于计算机视觉的
，具体涉及一种基于多阶注意力机制融合的人脸属性识别算法及系统。

技术介绍

[0002]人脸识别技术是人工智能最成熟的技术之一，作为人脸识别重要模块，人脸属性识别与分析得到了工业界和学术界的关注，并被广泛应用在图像检索、人脸识别、行人再识别、微表情识别、图像生成和推荐系统等。
[0003]随着人脸识别技术的快速发展，衍生出许多与人脸识别相近的任务，例如：人脸微表情识别，人脸跨模态检索，人脸伪造检测，人脸属性识别等。人脸属性识别的任务是预测多个面部属性，如性别、是否戴眼镜和微笑。
[0004]近年来，由于卷积神经网络(CNN)具有强大的特征学习能力，大多数图像学习任务都采用CNN进行特征提取，然后对特征进行多种运算来实现图像分类、目标检测等结果。例如，一般先进的行人属性识别算法都是利用CNN对面部属性提取，然后进行分类。传统的人脸属性识别算法也主要利用卷积神经网络产生了许多性能显著的效果，算法常选用小到MobileNet，大到Effic本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多阶注意力机制融合的人脸属性识别算法，其特征在于，该算法包括：响应于人脸检测方法和人脸对齐方法，获取图像中的完整人脸区域，并输出人脸图像；将获取的人脸图像输入至卷积神经网络模型中，进一步提取该人脸图像的若干图像特征进行训练并处理；以及同时将获取的人脸图像的图像特征输入至多阶注意力机制融合网络模型中进行训练和处理；完成对该人脸图像的属性识别。2.根据权利要求1所述的基于多阶注意力机制融合的人脸属性识别算法，其特征在于，所述卷积神经网络模型采用轻量化的MobileNetV2模型，其中，所述MobileNetV2模型包含8个残差卷积块{b0,b1,
…
,b7}，每个残差卷积块由深度可分离卷积层
‑
BN层
‑
激活层
‑
残差连接层组成。3.根据权利要求2所述的基于多阶注意力机制融合的人脸属性识别算法，其特征在于，所述卷积神经网络模型提取人脸图像的图像特征的方式如下：F＝(B{I
i
|θ1,θ2,
…
,θ
n
})其中，B代表所述MobileNetV2模型的前向运算，I
i
代表输入RGB图像，θ1,θ2,
…
,θ
n
代表残差卷积块的参数。4.根据权利要求3所述的基于多阶注意力机制融合的人脸属性识别算法，其特征在于，利用所述MobileNetV2模型对图像特征进行训练并处理包括：将获取的图像特征先经过一个全局池化层和分类层；然后在BCE损失函数的约束下对所述MobileNetV2模型进行训练。5.根据权利要求1所述的基于多阶注意力机制融合的人脸属性识别算法，其特征在于，所述多阶注意力机制融合网络模型采用Transformer模型。6.根据权利要求1所述的基于多阶注意力机制融合的人脸属性识别算法，其特征在于，利用所述多阶注意力机制融合网络模型对人脸图像的图像特征进行训练和处理包括...

【专利技术属性】
技术研发人员：姚灿荣，张光斌，吴俊毅，高志鹏，赵建强，杜新胜，韩名羲，
申请(专利权)人：厦门市美亚柏科信息股份有限公司，
类型：发明
国别省市：