一种遮挡人脸识别方法、装置、电子设备及存储介质制造方法及图纸

本公开涉及人工智能领域，提供了一种遮挡人脸识别方法、装置、电子设备及存储介质。该方法包括：获取待识别人脸图片，所述待识别人脸图片为遮挡人脸图片或无遮挡人脸图片；将所述待识别人脸图片输入卷积神经网络中进行特征提取，得到人脸特征图；将所述人脸特征图输入多尺度注意力网络中进行处理，得到所述人脸特征图的注意力权重矩阵；将所述所述人脸特征图和所述注意力权重矩阵输入识别网络中，输出所述待识别人脸图片的人脸识别结果。本公开可大大降低人工干预程度，降低了人工成本，同时可从根本上解决遮挡场景下的人脸识别问题，显著提升了人脸识别的效果。提升了人脸识别的效果。提升了人脸识别的效果。

【技术实现步骤摘要】
一种遮挡人脸识别方法、装置、电子设备及存储介质


[0001]本公开涉及人工智能领域，尤其涉及一种遮挡人脸识别方法、装置、电子设备及存储介质。

技术介绍

[0002]随着深度学习的不断发展，通用场景下的人脸识别效果越来越好，但是当面对口罩、墨镜等遮挡场景时，往往人脸识别的效果很差。
[0003]现有的解决遮挡场景下的人脸识别的方式通常是依赖人工生成大规模遮挡人脸数据，然后通过使用遮挡人脸数据训练来提升人脸识别效果。然而，这种方式不仅需要大量人工干预，人工成本高，而且没有从根本上解决遮挡场景下的人脸识别问题，人脸识别的效果仍较差。

技术实现思路

[0004]有鉴于此，本公开实施例提供了一种遮挡人脸识别方法、装置、电子设备及存储介质，以解决现有技术中对于遮挡场景下的人脸识别需要大量人工干预，人工成本高，且识别效果较差的问题。
[0005]本公开实施例的第一方面，提供了一种遮挡人脸识别方法，包括：
[0006]获取待识别人脸图片，所述待识别人脸图片为遮挡人脸图片或无遮挡人脸图片；
[0007]将所述待识别本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种遮挡人脸识别方法，其特征在于，包括：获取待识别人脸图片，所述待识别人脸图片为遮挡人脸图片或无遮挡人脸图片；将所述待识别人脸图片输入卷积神经网络中进行特征提取，得到人脸特征图；将所述人脸特征图输入多尺度注意力网络中进行处理，得到所述人脸特征图的注意力权重矩阵；将所述人脸特征图和所述注意力权重矩阵输入识别网络中，输出所述待识别人脸图片的人脸识别结果。2.根据权利要求1所述的方法，其特征在于，所述卷积神经网络包括依次连接的第一网络层、第二网络层、第三网络层、第四网络层和第五网络层；所述多尺度注意力网络包括第一输入层、第二输入层、第三输入层；与所述第一输入层、第二输入层、第三输入层连接的特征融合层，与所述特征融合层连接的全局平均池化层，与所述全局平均池化层连接的第一全连接层，与所述第一全连接层连接的激活函数层；所述第二网络层与所述第一输入层连接，所述第三网络层与所述第二输入层连接，所述第四网络层与所述第三输入层连接，所述第五网络层与所述识别网络连接。3.根据权利要求2所述的方法，其特征在于，将所述待识别人脸图片输入卷积神经网络中进行特征提取，得到人脸特征图，包括：将所述待识别人脸图片输入所述第一网络层，输出第一特征图；将所述第一特征图输入所述第二网络层，输出第二特征图；将所述第二特征图输入所述第三网络层，输出第三特征图；将所述第三特征图输入所述第四网络层，输出第四特征图；将所述第四特征图输入所述第五网络层，输出人脸特征图。4.根据权利要求3所述的方法，其特征在于，将所述人脸特征图输入多尺度注意力网络中进行处理，得到所述人脸特征图的注意力权重矩阵，包括：将所述人脸特征图和所述第四特征图输入所述第三输入层，输出第一融合特征图；将所述第一融合特征图和所述第三特征图输入所述第二输入层，输出第二融合特征图；将所述第二融合特征图和所述第二特征图输入所述第一输入层，输出第三融合特征图；将所述第一融合特征图、第二融合特征图、第三融合特征图输入所述特征融合层，输出总融合特征图；将所述总融合特征...

【专利技术属性】
技术研发人员：蒋召，黄泽元，
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：