一种性别识别方法技术

本申请实施例提供一种性别识别方法

【技术实现步骤摘要】
一种性别识别方法、装置、电子设备和可读存储介质


[0001]本申请涉及图像识别领域，尤其涉及一种性别识别方法
、
装置
、
电子设备和可读存储介质
。

技术介绍

[0002]人脸识别是一种基于人的相貌特征信息进行身份认证的生物特征识别技术，技术的最大特征是能避免个人信息泄露，并采用非接触的方式进行识别
。
人脸性别识别就是向计算机输入人脸图像，经过某种方法或运算，得出其性别
。
[0003]在相关技术中，通常利用行人检测网络首先检测行人，然后通过深度神经网络对行人直接进行人员性别分类；或，通过人脸检测网络直接对监控图像或者一阶段检测到的行人进行人脸检测，然后通过深度神经网络对人脸进行性别分类
。
[0004]然而，在前者所述的方法中，基于检测到的行人做分类可能会因为人脸检测不全
、
身形等原因而导致性别识别准确率较低；在后者所述的方法中，神经网络基于整个人物图像做分类时会去拟合图像中的所有信息，可能会存在过多与性别弱相关的一些特征，从而弱化了与性别强相关的一些特征所起的作用，也会导致性别识别准确率降低
。

技术实现思路

[0005]本申请实施例提供一种性别识别方法
、
装置
、
电子设备和可读存储介质，可以解决现有的性别识别技术中由于与性别弱相关的信息过多所导致的性别识别准确率较低的问题，提高性别识别的准确率
。
[0006]为了解决上述问题，第一方面，本申请实施例公开了一种性别识别方法，所述方法包括：获取待检测人物的第一图像和所述第一图像中的人物正脸图像；
[0007]对所述第一图像进行特征提取，得到所述待检测人物的第一特征，并对所述人物正脸图像进行特征提取，得到所述待检测人物的正脸特征；
[0008]基于所述第一特征和所述正脸特征进行特征压缩处理，得到所述待检测人物的第二特征；
[0009]利用预设的分类模型对所述第二特征进行分类处理，得到所述待检测人物的性别识别结果
。
[0010]可选地，所述获取待检测人物的第一图像和所述第一图像中的人物正脸图像，包括：
[0011]获取待检测人物的第一图像；
[0012]若所述第一图像中所述待检测人物的五官呈现比例小于预设比例，则提取所述第一图像中的人脸区域，并将所述人脸区域输入基于对抗生成网络的人脸生成模型，得到所述第一图像中的人物正脸图像；
[0013]若所述第一图像中所述待检测人物的五官呈现比例大于或等于预设比例，则提取所述第一图像中的人脸区域，得到所述第一图像中的人物正脸图像
。
[0014]可选地，在若所述第一图像中所述待检测人物的五官呈现比例小于预设比例，则提取所述第一图像中的人脸区域，并将所述人脸区域输入基于对抗生成网络的人脸生成模型，得到所述第一图像中的人物正脸图像之前，所述方法还包括：
[0015]获取训练样本集，所述训练样本集包括侧脸图像和所述侧脸图像对应的真实正脸图像；
[0016]基于所述训练样本集对对抗生成网络模型进行迭代训练，将所述侧脸图像输入所述对抗生成网络模型，得到所述侧脸图像对应的合成人脸图像，基于所述合成人脸图像和所述真实正脸图像按照预设的损失函数计算所述对抗生成网络模型的损失值，直到所述损失值满足预设条件，停止迭代训练，得到人脸生成模型；
[0017]其中，所述损失函数包括以下至少一项：
[0018]像素损失函数，所述像素损失函数用于衡量所述合成人脸图像与所述人物正脸图像中像素点的像素差值；
[0019]对称损失函数，所述对称损失函数用于通过所述合成人脸图像中像素点的像素值衡量人脸的对称程度；
[0020]对抗损失函数，所述对抗损失函数用于衡量所述合成人脸图像与所述人物正脸图像中人脸形状的相似程度；
[0021]身份确认损失函数，所述身份确认损失函数用于衡量所述合成人脸图像与所述人物正脸图像所表示的人物是否一致
。
[0022]可选地，所述基于所述第一特征和所述正脸特征进行特征压缩处理，得到所述待检测人物的第二特征，包括：
[0023]将所述第一特征和所述正脸特征进行特征拼接，得到所述待检测的第三特征；
[0024]利用主成分分析法对所述第三特征进行特征压缩处理，得到所述待检测人物的第二特征
。
[0025]可选地，所述方法还包括：
[0026]获取所述待检测人物的多帧图像的性别识别结果；
[0027]基于所述多帧图像的性别识别结果进行投票处理，得到投票结果；
[0028]根据所述投票结果确定所述待检测人物的目标性别
。
[0029]第二方面，本申请实施例公开了一种性别识别装置，所述装置包括：
[0030]图像获取模块，用于获取待检测人物的第一图像和所述第一图像中的人物正脸图像；
[0031]特征提取模块，用于对所述第一图像进行特征提取，得到所述待检测人物的第一特征，并对所述人物正脸图像进行特征提取，得到所述待检测人物的正脸特征；
[0032]特征压缩模块，用于基于所述第一特征和所述正脸特征进行特征压缩处理，得到所述待检测人物的第二特征；
[0033]分类模块，用于利用预设的分类模型对所述第二特征进行分类处理，得到所述待检测人物的性别识别结果
。
[0034]第三方面，本申请实施例公开了一种电子设备，其特征在于，包括存储器
、
处理器及存储在存储器上的计算机程序，所述处理器可以执行所述计算机程序以实现如前述一个或多个所述的性别识别方法：
[0035]第四方面，本申请实施例公开了一种计算机可读存储介质，其上存储有指令，当由一个或多个处理器执行时，使得装置执行如前述一个或多个所述的性别识别方法
。
[0036]本申请实施例包括以下优点：
[0037]本申请实施例提供了一种性别识别方法，在获取待检测人物的第一图像和所述第一图像中的人物正脸图像后，分别对所述第一图像和人物正脸图像进行特征提取，得到所述待检测人物的第一特征和正脸特征，然后基于所述第一特征和所述正脸特征进行特征压缩处理，得到所述待检测人物的第二特征，最后利用预设的分类模型对所述第二特征进行分类处理，得到所述待检测人物的性别识别结果
。
其中，在性别识别过程中利用第一图像中的人物正脸图像可以获取到相对于侧脸更加完善的面部信息，解决了由于人脸检测不全所导致的性别识别准确率较低的问题；并且，通过特征压缩的方式分析出与性别强关联的特征，有助于减少与性别弱相关的特征的干扰，提高性别识别的准确率
。
附图说明
[0038]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例的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申请的一些实施例，对于本领域普通技术人员来讲，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种性别识别方法，其特征在于，所述方法包括：获取待检测人物的第一图像和所述第一图像中的人物正脸图像；对所述第一图像进行特征提取，得到所述待检测人物的第一特征，并对所述人物正脸图像进行特征提取，得到所述待检测人物的正脸特征；基于所述第一特征和所述正脸特征进行特征压缩处理，得到所述待检测人物的第二特征；利用预设的分类模型对所述第二特征进行分类处理，得到所述待检测人物的性别识别结果
。2.
根据权利要求1所述的方法，其特征在于，所述获取待检测人物的第一图像和所述第一图像中的人物正脸图像，包括：获取待检测人物的第一图像；若所述第一图像中所述待检测人物的五官呈现比例小于预设比例，则提取所述第一图像中的人脸区域，并将所述人脸区域输入基于对抗生成网络的人脸生成模型，得到所述第一图像中的人物正脸图像；若所述第一图像中所述待检测人物的五官呈现比例大于或等于预设比例，则提取所述第一图像中的人脸区域，得到所述第一图像中的人物正脸图像
。3.
根据权利要求2所述的方法，其特征在于，在若所述第一图像中所述待检测人物的五官呈现比例小于预设比例，则提取所述第一图像中的人脸区域，并将所述人脸区域输入基于对抗生成网络的人脸生成模型，得到所述第一图像中的人物正脸图像之前，所述方法还包括：获取训练样本集，所述训练样本集包括侧脸图像和所述侧脸图像对应的真实正脸图像；基于所述训练样本集对对抗生成网络模型进行迭代训练，将所述侧脸图像输入所述对抗生成网络模型，得到所述侧脸图像对应的合成人脸图像，基于所述合成人脸图像和所述真实正脸图像按照预设的损失函数计算所述对抗生成网络模型的损失值，直到所述损失值满足预设条件，停止迭代训练，得到人脸生成模型；其中，所述损失函数包括以下至少一项：像素损失函数，所述像素损失函数用于衡量所述合成人脸图像与所述人物正脸图像中像素点的像素差值；对称损失函数，所述对称损失函数用于通过所述合成人脸图像中像素点的像素值衡量人脸的对称程度；对抗损失函数，所述对抗损失函数用于衡量所述合成人脸图像与所述人物正脸图像中人脸形状的相似程度；身份确认损失函数，所述身份确认损失函数用于衡量所述合成人脸图像与所述人物正脸图像所表示的人物是否一致
。4.
根据权利要求1所述的方法，其特征在于，所述基于所述第一特征和所述正脸特征进行特征压缩处理，得到所述待检测人物的第二特征，包括：将所述第一特征和所述正脸特征进行特...

【专利技术属性】
技术研发人员：陈友明，陈思竹，代辉，
申请(专利权)人：四川弘和数智集团有限公司，
类型：发明
国别省市：