人脸识别方法、装置、终端及存储介质制造方法及图纸

本申请公开了一种人脸识别方法、装置、终端及存储介质，方法包括：获取目标人脸图像；将目标人脸图像输入至目标学生网络模型，输出目标人脸图像对应的类别概率向量，其中，目标学生网络模型是基于目标网络模型训练而得，且目标网络模型结合了判别器和多教师模型；在类别概率向量中选取最大的类别概率，并将最大的类别概率对应的类别作为目标人脸图像的类别。本发明专利技术通过将判别器和多教师模型进行结合，很大程度上提升了目标学生网络模型的特征表达能力和泛化能力，使对目标人脸图像的类别的识别准确度提高，同时也提高了目标人脸图像的类别的识别效率。的识别效率。的识别效率。

【技术实现步骤摘要】
人脸识别方法、装置、终端及存储介质


[0001]本申请涉及人工智能
，具体而言，涉及一种人脸识别方法、装置、终端及存储介质。

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，通常也叫做人像识别、面部识别。随着科技的飞速发展，人脸识别技术应用越来越广泛，例如，利用人脸识别进行APP登陆等。
[0003]目前，针对人脸识别中的人脸类别的判定，主要是将具有不同描述特性和分类能力的多模态识别模型集成迁移到一个新网络模型中，然后采用新网络模型进行人脸类别的判断。
[0004]但是，采用上述方法进行人脸识别无法准确识别出人脸的类别。

技术实现思路

[0005]本申请的主要目的在于提供一种人脸识别方法、装置、终端及存储介质，以解决相关技术中人脸识别准确度低的问题。
[0006]为了实现上述目的，第一方面，本申请提供了一种人脸识别方法，包括：
[0007]获取目标人脸图像；
[0008]将目标人脸图像输入至目标学生网络模型，输出目标人脸图像对应的类别概率向量，其中，目标学生网络模型是基于目标网络模型训练而得，且目标网络模型结合了判别器和多教师模型；
[0009]在类别概率向量中选取最大的类别概率，并将最大的类别概率对应的类别作为目标人脸图像的类别。
[0010]在一种可能的实现方式中，将目标人脸图像输入至目标学生网络模型，输出目标人脸图像对应的类别概率向量之前，还包括：
[0011]对目标网络模型进行训练，得到目标学生网络模型。
[0012]在一种可能的实现方式中，对目标网络模型进行训练，得到目标学生网络模型，包括：
[0013]获取初始人脸图像和初始网络模型，其中，初始网络模型结合了判别器和多教师模型；
[0014]利用初始人脸图像对初始网络模型中的判别器和多教师模型进行迭代训练，待到预设迭代次数，得到目标网络模型；
[0015]将目标网络模型中的学生网络模型作为目标学生网络模型。
[0016]在一种可能的实现方式中，利用初始人脸图像对初始网络模型中的判别器和多教师模型进行迭代训练，待到预设迭代次数，得到目标网络模型，包括：
[0017]将初始人脸图像输入至多教师模型中，输出初始人脸图像对应的类别概率向量和特征图；
[0018]利用初始人脸图像对应的类别概率向量和特征图对判别器进行训练，确定判别器的配置参数；
[0019]利用初始人脸图像对多教师模型进行训练，确定多教师模型的配置参数；
[0020]返回执行将初始人脸图像输入至多教师模型中，输出初始人脸图像对应的类别概率向量和特征图的步骤，直至多教师模型和判别器的配置参数满足预设条件，得到目标网络模型。
[0021]在一种可能的实现方式中，将初始人脸图像输入至多教师模型中，输出初始人脸图像对应的类别概率向量和特征图，包括：
[0022]将初始人脸图像输入至多教师模型中的学生网络中，输出初始人脸图像对应的第一类别概率向量和特征图；
[0023]将初始人脸图像输入至多教师模型中的n个教师网络中，得到初始人脸图像对应的n个第二类别概率向量，其中，n个教师网络与n个第二类别概率向量一一对应；
[0024]将初始人脸图像输入至设置n个辅助网络的n个教师网络中，得到n个辅助网络输出的n个特征图，其中，n个辅助网络、n个教师网络与n个特征图一一对应，n为大于2的整数。
[0025]在一种可能的实现方式中，利用初始人脸图像对应的类别概率向量和特征图对判别器进行训练，确定判别器的配置参数，包括：
[0026]将n个第二类别概率向量和n个特征图作为正样本，以及将第一类别概率向量和特征图作为负样本；
[0027]利用正样本和负样本对判别器进行训练，更新判别器的配置参数。
[0028]在一种可能的实现方式中，利用初始人脸图像对多教师模型进行训练，确定多教师模型的配置参数，包括：
[0029]利用初始人脸图像训练多教师模型中的学生网络和n个辅助网络，更新学生网络和n个辅助网络的配置参数。
[0030]第二方面，本专利技术实施例提供了一种人脸识别装置，包括：
[0031]获取模块，用于获取目标人脸图像；
[0032]模型预测模块，用于将目标人脸图像输入至目标学生网络模型，输出目标人脸图像对应的类别概率向量，其中，目标学生网络模型是基于目标网络模型训练而得，且目标网络模型结合了判别器和多教师模型；
[0033]类别判定模块，用于在类别概率向量中选取最大的类别概率，并将最大的类别概率对应的类别作为目标人脸图像的类别。
[0034]第三方面，本专利技术实施例提供了一种终端，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上任一种人脸识别方法的步骤。
[0035]第四方面，本专利技术实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上任一种人脸识别方法的步骤。
[0036]本专利技术实施例提供了一种人脸识别方法、装置、终端及存储介质，包括：获取目标人脸图像，然后将目标人脸图像输入至目标学生网络模型，输出目标人脸图像对应的类别
概率向量，其中，目标学生网络模型是基于目标网络模型训练而得，且目标网络模型结合了判别器和多教师模型，再在类别概率向量中选取最大的类别概率，并将最大的类别概率对应的类别作为目标人脸图像的类别。本专利技术通过将判别器和多教师模型进行结合，很大程度上提升了目标学生网络模型的特征表达能力和泛化能力，使对目标人脸图像的类别的识别准确度提高，同时也提高了目标人脸图像的类别的识别效率。
附图说明
[0037]构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0038]图1是本专利技术实施例提供的一种人脸识别方法的实现流程图；
[0039]图2是本专利技术实施例提供的一种网络模型的结构示意图；
[0040]图3是本专利技术实施例提供的一种人脸识别装置的结构示意图；
[0041]图4是本专利技术实施例提供的终端的示意图。
具体实施方式
[0042]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0043]本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸识别方法，其特征在于，包括：获取目标人脸图像；将所述目标人脸图像输入至目标学生网络模型，输出所述目标人脸图像对应的类别概率向量，其中，所述目标学生网络模型是基于目标网络模型训练而得，且所述目标网络模型结合了判别器和多教师模型；在所述类别概率向量中选取最大的类别概率，并将所述最大的类别概率对应的类别作为所述目标人脸图像的类别。2.如权利要求1所述人脸识别方法，其特征在于，所述将所述目标人脸图像输入至目标学生网络模型，输出所述目标人脸图像对应的类别概率向量之前，还包括：对所述目标网络模型进行训练，得到所述目标学生网络模型。3.如权利要求2所述人脸识别方法，其特征在于，所述对所述目标网络模型进行训练，得到所述目标学生网络模型，包括：获取初始人脸图像和初始网络模型，其中，所述初始网络模型结合了判别器和多教师模型；利用所述初始人脸图像对所述初始网络模型中的判别器和多教师模型进行迭代训练，待到预设迭代次数，得到所述目标网络模型；将所述目标网络模型中的学生网络模型作为所述目标学生网络模型。4.如权利要求3所述人脸识别方法，其特征在于，所述利用所述初始人脸图像对所述初始网络模型中的判别器和多教师模型进行迭代训练，待到预设迭代次数，得到所述目标网络模型，包括：将所述初始人脸图像输入至所述多教师模型中，输出所述初始人脸图像对应的类别概率向量和特征图；利用所述初始人脸图像对应的类别概率向量和特征图对所述判别器进行训练，确定所述判别器的配置参数；利用所述初始人脸图像对所述多教师模型进行训练，确定所述多教师模型的配置参数；返回执行将所述初始人脸图像输入至所述多教师模型中，输出所述初始人脸图像对应的类别概率向量和特征图的步骤，直至所述多教师模型和所述判别器的配置参数满足预设条件，得到所述目标网络模型。5.如权利要求4所述人脸识别方法，其特征在于，所述将所述初始人脸图像输入至所述多教师模型中，输出所述初始人脸图像对应的类别概率向量和特征图，包括：将所述初始人脸图像输入至所述多教师模型中的学生网络中，输出所述初...

【专利技术属性】
技术研发人员：周婷，吕晋，周伟杰，刘威，胡骏，曹斌，李永明，
申请(专利权)人：东软睿驰汽车技术沈阳有限公司，
类型：发明
国别省市：