【技术实现步骤摘要】
图像识别方法、装置、存储介质和电子设备
[0001]本专利技术涉及计算机领域，具体而言，涉及一种图像识别方法、装置、存储介质和 电子设备。
技术介绍
[0002]人脸识别技术在智能手机、金融服务、交通安检安防等场景被广泛利用，具有快 速、便捷的特性。近年来，由于深度学习技术的成熟以及人脸数据规模的增长，人脸 识别技术的性能也得到了飞速增长。
[0003]然而近些年，受到疫情的影响，人们出行大多数佩戴各种类型的口罩；或出于防 晒等需求，佩戴口罩或墨镜，造成人脸大面积遮挡。大多数人脸识别算法是针对完整 人脸识别的，针对戴口罩或人脸遮挡的方法较少，对于这种大面积遮挡的人脸，其识 别精度由于特征分布的变化及重要特征的缺失，从而存在人脸识别准确度的问题。
[0004]针对上述相关技术中人脸识别准确度低的技术问题，目前尚未提出有效的解决方 案。
技术实现思路
[0005]本专利技术实施例提供了一种图像识别方法、装置、存储介质和电子设备，以至少解 决相关技术中人脸识别准确度低的技术问题。
[0006...
【技术保护点】
【技术特征摘要】
1.一种图像识别方法，其特征在于，包括：获取目标人脸的第一待识别图像；对所述第一待识别图像进行识别，得到所述目标人脸的第一识别结果，其中，所述第一识别结果用于表征所述第一待识别图像中是否存在遮挡物，所述遮挡物与所述目标人脸部分重叠；在确定所述第一识别结果为所述第一待识别图像中存在所述遮挡物的情况下，基于所述第一待识别图像生成所述目标人脸的第二待识别图像，其中，所述第二待识别图像中不存在所述遮挡物；对所述第二待识别图像进行识别，得到所述目标人脸的第二识别结果，其中，所述第二识别结果用于表征所述目标人脸的身份信息。2.根据权利要求1所述的方法，其特征在于，基于所述第一待识别图像生成所述目标人脸的第二待识别图像，包括：利用生成对抗模型对所述第一待识别图像进行处理，生成所述第二待识别图像。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：获取第一人脸的训练样本，其中，所述训练样本包括：第一图像和第二图像，所述第一图像中存在所述遮挡物，所述第二图像中不存在所述遮挡物；利用所述生成对抗模型中的生成器对所述第一图像进行处理，得到第三图像，其中，所述第三图像中不存在所述遮挡物；基于所述第一图像、所述第二图像和所述第三图像，构建所述生成对抗模型的目标损失函数；基于所述目标损失函数调整所述生成对抗模型的模型参数。4.根据权利要求3所述的方法，其特征在于，基于所述第一图像、所述第二图像和所述第三图像，构建所述生成对抗模型的目标损失函数，包括：利用所述生成对抗模型中的判别器对所述第二图像和所述第三图像进行判别，得到所述第二图像的第一判别结果和所述第三图像的第二判别结果，并基于所述第一判别结果和所述第二判别结果构建第一损失函数；利用最小绝对值误差函数对所述第二图像和所述第三图像进行处理，构建第二损失函数；利用人脸检测模型分别对所述第一图像和所述第三图像进行检测，得到所述第一图像的第一检测结果和所述第三图像的第二检测结果，并基于所述第一检测结果和所述第二检测结果构建第三损失函数；利用人脸识别模型分别对所述生成器生成的第一生成图像、第二生成图像和第三生成图像进行识别，得到所述第一生成图像对应的第一特征向量、所述第二生成图像对应的第二特征向量和所述第三生成图像对应的第三特征向量，并基于所述第一特征向量、所述第二特征向量和所述第三特征向量构建第四损失函数，其中，所述第一生成图像对应的人脸与所述第二生成图像对应的人脸相同，所述第一生成图像对应的人脸与所述第三生成图像对应的人脸不同；获取所述第一损失函数、所述第二损失函数、所述第三损失函数和所述第四损失函数的加权和，得到所述目标损失函数。
5.根据权利要求4所述的方法，其特征在于，所述第一检测结果用于表征所述第一人脸的关键点在所述第一图像中的第一坐标和第一概率，所述第二检测结果用于表征所述关键点在所述第三图像中的第二坐标和第二概率，其中，基于所述第一检测结果和所述第二检测结果构建第三损失函数，包括：获取所述第一人脸的目标关键点的第一坐标和第二坐标，其中，所述目标关键点的第一概率大于预设概率；获取所述目标关键点的第...
【专利技术属性】
技术研发人员：王红梅，
申请(专利权)人：广州视源人工智能创新研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。