存在遮挡的人脸识别方法及装置制造方法及图纸

本公开涉及人脸识别技术领域，提供了一种存在遮挡的人脸识别方法及装置。该方法包括：利用全局平均池化层、全连接层和激活层构建遮挡感知网络；利用遮挡感知网络、尺度网络和Transformer模块构建右分支网络，利用注意力机制模块和尺度网络构建左分支网络，利用构建右分支网络和左分支网络构建眼周注意力网络；分别在残差网络模型的第二阶段网络、第三阶段网络和第四阶段网络之后插入眼周注意力网络，得到人脸识别模型；对人脸识别模型进行训练，利用训练好的人脸识别模型进行人脸识别。采用上述技术手段，解决现有技术中，传统人脸识别模型识别存在遮挡情况的图片准确率低的问题。模型识别存在遮挡情况的图片准确率低的问题。模型识别存在遮挡情况的图片准确率低的问题。

【技术实现步骤摘要】
存在遮挡的人脸识别方法及装置


[0001]本公开涉及人脸识别
，尤其涉及一种存在遮挡的人脸识别方法及装置。

技术介绍

[0002]目前因为疫情，人们出门都需要戴口罩，也就是在进行人脸识别时待识别的图片往往存在遮挡。但是因为存在遮挡的人脸识别中对图片被遮挡的情况考虑不足，这导致人脸识别模型识别存在遮挡情况的图片准确率低的问题。
[0003]在实现本公开构思的过程中，专利技术人发现相关技术中至少存在如下技术问题：传统人脸识别模型识别存在遮挡情况的图片准确率低的问题。

技术实现思路

[0004]有鉴于此，本公开实施例提供了一种存在遮挡的人脸识别方法、装置、电子设备及计算机可读存储介质，以解决现有技术中，传统人脸识别模型识别存在遮挡情况的图片准确率低的问题。
[0005]本公开实施例的第一方面，提供了一种存在遮挡的人脸识别方法，包括：利用全局平均池化层、全连接层和激活层构建遮挡感知网络；利用遮挡感知网络、尺度网络和Transformer模块构建右分支网络，利用注意力机制模块和尺度网络构建左分支网络，利用构建右分支网络和左分支网络构建眼周注意力网络；分别在残差网络模型的第二阶段网络、第三阶段网络和第四阶段网络之后插入眼周注意力网络，得到人脸识别模型；对人脸识别模型进行训练，利用训练好的人脸识别模型进行人脸识别。
[0006]本公开实施例的第二方面，提供了一种存在遮挡的人脸识别装置，包括：第一构建模块，被配置为利用全局平均池化层、全连接层和激活层构建遮挡感知网络；第二构建模块，被配置为利用遮挡感知网络、尺度网络和Transformer模块构建右分支网络，利用注意力机制模块和尺度网络构建左分支网络，利用构建右分支网络和左分支网络构建眼周注意力网络；第三构建模块，被配置为分别在残差网络模型的第二阶段网络、第三阶段网络和第四阶段网络之后插入眼周注意力网络，得到人脸识别模型；人脸识别模块，被配置为对人脸识别模型进行训练，利用训练好的人脸识别模型进行人脸识别。
[0007]本公开实施例的第三方面，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。
[0008]本公开实施例的第四方面，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。
[0009]本公开实施例与现有技术相比存在的有益效果是：因为本公开实施例通过利用全局平均池化层、全连接层和激活层构建遮挡感知网络；利用遮挡感知网络、尺度网络和Transformer模块构建右分支网络，利用注意力机制模块和尺度网络构建左分支网络，利用构建右分支网络和左分支网络构建眼周注意力网络；分别在残差网络模型的第二阶段网
络、第三阶段网络和第四阶段网络之后插入眼周注意力网络，得到人脸识别模型；对人脸识别模型进行训练，利用训练好的人脸识别模型进行人脸识别，因此，采用上述技术手段，可以解决现有技术中，传统人脸识别模型识别存在遮挡情况的图片准确率低的问题，进而提高模型识别存在遮挡情况的图片准确率。
附图说明
[0010]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。
[0011]图1是本公开实施例的应用场景的场景示意图；
[0012]图2是本公开实施例提供的一种存在遮挡的人脸识别方法的流程示意图；
[0013]图3是本公开实施例提供的一种存在遮挡的人脸识别装置的结构示意图；
[0014]图4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
[0015]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。
[0016]下面将结合附图详细说明根据本公开实施例的一种存在遮挡的人脸识别方法和装置。
[0017]图1是本公开实施例的应用场景的场景示意图。该应用场景可以包括终端设备101、102和103、服务器104以及网络105。
[0018]终端设备101、102和103可以是硬件，也可以是软件。当终端设备101、102和103为硬件时，其可以是具有显示屏且支持与服务器104通信的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等；当终端设备101、102和103为软件时，其可以安装在如上的电子设备中。终端设备101、102和103可以实现为多个软件或软件模块，也可以实现为单个软件或软件模块，本公开实施例对此不作限制。进一步地，终端设备101、102和103上可以安装有各种应用，例如数据处理应用、即时通信工具、社交平台软件、搜索类应用、购物类应用等。
[0019]服务器104可以是提供各种服务的服务器，例如，对与其建立通信连接的终端设备发送的请求进行接收的后台服务器，该后台服务器可以对终端设备发送的请求进行接收和分析等处理，并生成处理结果。服务器104可以是一台服务器，也可以是由若干台服务器组成的服务器集群，或者还可以是一个云计算服务中心，本公开实施例对此不作限制。
[0020]需要说明的是，服务器104可以是硬件，也可以是软件。当服务器104为硬件时，其可以是为终端设备101、102和103提供各种服务的各种电子设备。当服务器104为软件时，其可以是为终端设备101、102和103提供各种服务的多个软件或软件模块，也可以是为终端设备101、102和103提供各种服务的单个软件或软件模块，本公开实施例对此不作限制。
[0021]网络105可以是采用同轴电缆、双绞线和光纤连接的有线网络，也可以是无需布线就能实现各种通信设备互联的无线网络，例如，蓝牙(Bluetooth)、近场通信(Near Field Communication，NFC)、红外(Infrared)等，本公开实施例对此不作限制。
[0022]用户可以通过终端设备101、102和103经由网络105与服务器104建立通信连接，以接收或发送信息等。需要说明的是，终端设备101、102和103、服务器104以及网络105的具体类型、数量和组合可以根据应用场景的实际需求进行调整，本公开实施例对此不作限制。
[0023]图2是本公开实施例提供的一种存在遮挡的人脸识别方法的流程示意图。图2的存在遮挡的人脸识别方法可以由图1的计算机或服务器，或者计算机或服务器上的软件执行。如图2所示，该存在遮挡的人脸识别方法包括：
[0024]S201，利用全局平均池化层、全连接层和激活层构建遮挡感知网本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种存在遮挡的人脸识别方法，其特征在于，包括：利用全局平均池化层、全连接层和激活层构建遮挡感知网络；利用所述遮挡感知网络、尺度网络和Transformer模块构建右分支网络，利用注意力机制模块和所述尺度网络构建左分支网络，利用所述构建右分支网络和所述左分支网络构建眼周注意力网络；分别在残差网络模型的第二阶段网络、第三阶段网络和第四阶段网络之后插入所述眼周注意力网络，得到人脸识别模型；对所述人脸识别模型进行训练，利用训练好的人脸识别模型进行人脸识别。2.根据权利要求1所述的方法，其特征在于，利用全局平均池化层、全连接层和激活层构建遮挡感知网络，包括：依次连接所述全局平均池化层、第一全连接层、第一激活层、第二全连接层和第二激活层，得到所述遮挡感知网络；其中，所述第一全连接层用于特征压缩，所述第二全连接层用于特征激励，所述全连接层，包括：所述第一全连接层和所述第二全连接层，所述激活层，包括：所述第一激活层和所述第二激活层。3.根据权利要求1所述的方法，其特征在于，利用所述遮挡感知网络、尺度网络和Transformer模块构建右分支网络，利用注意力机制模块和所述尺度网络构建左分支网络，利用所述构建右分支网络和所述左分支网络构建眼周注意力网络，包括：依次连接所述遮挡感知网络、所述尺度网络和所述Transformer模块，得到所述右分支网络；依次连接所述注意力机制模块和所述尺度网络，得到所述左分支网络；将所述构建右分支网络和所述左分支网络并行连接，得到所述眼周注意力网络，其中，所述构建右分支网络的输出和所述左分支网络的输出相加为所述眼周注意力网络的输出。4.根据权利要求1所述的方法，其特征在于，所述残差网络模型由第零阶段网络、第一阶段网络、所述第二阶段网络、所述第三阶段网络和所述第四阶段网络依次连接组成。5.根据权利要求1所述的方法，其特征在于，包括：将所述人脸识别模型的每个阶段网络输出的第一特征图输入该阶段网络之后插入的所述眼周注意力网络之后，包括：利用所述右分支网络中的所述遮挡感知网络对所述第一特征图进行自适应遮挡感知处理，得到第二特征图；利用所述右分支网络中的所述尺度网络对所述第一特征图和所述第二特征图进行点乘运算，得到第三特征图；利用所述右分支网络中的所述Transformer模块对所述第三特征图进行注意力变换处理，得到第四特征图；利用所述左...

【专利技术属性】
技术研发人员：杨战波，黄泽元，蒋召，
申请(专利权)人：北京龙智数科科技服务有限公司，
类型：发明
国别省市：