【技术实现步骤摘要】
本申请涉及计算机数据处理领域，特别是涉及一种人脸识别方法、人脸识别装置以及计算机存储介质。
技术介绍
1、
2、人脸识别主要用于身份识别。由于视频监控正在快速普及，众多的视频监控应用迫切需要一种远距离、用户非配合状态下的快速身份识别技术，以求远距离快速确认人员身份，实现智能预警。人脸识别技术无疑是最佳的选择，采用快速人脸检测技术可以从监控视频图象中实时查找人脸，并与人脸数据库进行实时比对，从而实现快速身份识别。
3、在现有的人脸识别技术中，通常使用基于神经网络的特征提取模型对前端设备采集到的待识别的人脸图像进行特征提取，从而得到人脸图像特征向量，并通过计算已知身份的人脸特征向量与待识别人脸特征向量的相似度来判定待识别人脸的身份，然而在复杂场景中仅通过图像特征进行的人脸识别得到的识别结果不够准确。
技术实现思路
1、本申请主要解决的技术问题是如何提高人脸识别的在不同场景中的普适性和准确度，对此，本申请提供一种人脸识别方法、人脸识别方法、人脸识别装置以及计算机可读存储介质。
2、为解决上述技术问题，本申请采用的一个技术方案是：提供一种人脸识别方法，该方法包括：获取待识别目标；利用人脸识别模型的特征点提取模块提取待识别目标中人脸特征点，并基于人脸特征点划分待识别目标中的多个人脸关键区域，提取多个人脸关键区域的浅层特征；利用人脸识别模型的语义特征提取模块基于注意力网络对浅层特征进行提取，得到高阶语义特征；利用人脸识别模型的图像特征提取模块对浅层特征进行提
3、其中，提取人脸关键区域的浅层特征，包括：使用多个特征提取分支分别对每个人脸关键区域进行特征提取得到多个浅层特征。
4、其中，利用人脸识别模型的语义特征提取模块基于注意力网络对浅层特征进行提取，得到高阶语义特征，包括：在每个循环节点依次将全部浅层特征以及上一循环节点输出的语义特征输入注意力网络得到每个循环节点的当前语义特征；判断当前语义特征中是否包含结束符；若是，则将当前语义特征作为高阶语义特征。
5、其中，在每个循环节点依次将全部浅层特征以及上一循环节点输出的语义特征输入注意力网络得到每个循环节点的当前语义特征包括：在每个循环节点将全部浅层特征与上一循环节点输出的语义特征输入注意力网络，得到每个浅层特征对应的当前权重；基于当前权重和全部浅层特征得到当前语义特征。
6、其中，利用人脸识别模型的图像特征提取模块对浅层特征进行提取，得到高阶图像特征，包括：对每个循环节点的每个浅层特征对应的当前权重进行求和，得到与每个浅层特征对应的每个人脸关键区域的区域权重；基于区域权重对每个浅层特征进行特征加权融合；对加权融合结果进行特征提取，得到高阶图像特征。
7、其中，在获取待识别目标之前，人脸识别方法还包括：
8、使用训练人脸图像集训练人脸识别模型，训练人脸图像集包括若干人脸图像；使用训练人脸图像集训练人脸识别模型，包括：使用人脸识别模型得到若干人脸图像的高阶图像特征和高阶语义特征；计算高阶语义特征与人脸图像的文本标注之间的第一差距；基于高阶图像特征对人脸图像进行分类生成预测标签，计算预测标签与人脸图像的图像标签之间的第二差距；基于第一差距和第二差距对人脸识别模型进行训练。
9、其中，得到所述待识别目标的识别结果，包括：计算高阶图像特征与检索图像库中的人脸图像特征的图像相似度，将图像相似度大于第一预设阈值的检索图像作为待识别目标的识别结果。
10、其中，得到所述待识别目标的识别结果，包括：计算高阶语义特征与检索图像库中的人脸语义特征的语义相似度，将语义相似度大于第二预设阈值的检索图像作为待识别目标的识别结果。
11、为解决上述技术问题，本申请采用的另一个技术方案是：提供一种人脸识别装置，该人脸识别装置包括处理器和存储器，存储器与处理器耦接，存储器存储有程序数据，处理器用于执行程序数据以实现如上述的人脸识别方法。
12、为解决上述技术问题，本申请采用的另一个技术方案是：提供一种计算机可读存储介质，该计算机可读存储介质存储有程序数据，程序数据在被执行时，用于实现上述的人脸识别方法。
13、本申请的有益效果是：区别于现有技术的情况，本专利技术提供的基于人脸识别的人脸识别方法应用于人脸识别装置，人脸识别装置获取待识别目标；利用人脸识别模型的特征点提取模块提取待识别目标中人脸特征点，并基于人脸特征点划分待识别目标中的多个人脸关键区域，提取多个人脸关键区域的浅层特征；利用人脸识别模型的语义特征提取模块基于注意力网络对浅层特征进行提取，得到高阶语义特征；利用人脸识别模型的图像特征提取模块对浅层特征进行提取，得到高阶图像特征；基于高阶语义特征和高阶图像特征对待识别目标进行识别，得到待识别目标的识别结果。通过上述方式，与常规的人脸识别方法相比，本申请采用的在人脸识别装置中基于人脸特征点对人脸区域进行划分并对区域特征进行提取的方式，能够使得人脸识别模型根据使用场景和输入的人脸图像的不同，更好地关注图像中的重点区域的特征，而不是直接划分图像中某一区域为重点区域进行特征提取，从而得到更加具有泛化性和鲁棒性的人脸特征。此外，本申请通过注意力机制分别提取人脸图像的语义特征和图像特征，使得提取到的特征能够更好地表征人脸图像，从而提高人脸识别的准确度以及可以根据语义特征在人脸识别的图像库中进行检索，实现了人脸特征识别目标的多样性。
本文档来自技高网...【技术保护点】
1.一种人脸识别方法，其特征在于，所述人脸识别方法包括：
2.根据权利要求1所述的人脸识别方法，其特征在于，
3.根据权利要求1所述的人脸识别方法，其特征在于，
4.根据权利要求3所述的人脸识别方法，其特征在于，
5.根据权利要求4所述的人脸识别方法，其特征在于，
6.根据权利要求1所述的人脸识别方法，其特征在于，
7.根据权利要求1所述的人脸识别方法，其特征在于，
8.根据权利要求1所述的人脸识别方法，其特征在于，
9.一种人脸识别装置，其特征在于，所述人脸识别装置包括存储器以及与所述存储器耦接的处理器；
10.一种计算机存储介质，其特征在于，所述计算机存储介质用于存储程序数据，所述程序数据在被计算机执行时，用以实现如权利要求1至8任一项所述的人脸识别方法。
【技术特征摘要】
1.一种人脸识别方法，其特征在于，所述人脸识别方法包括：
2.根据权利要求1所述的人脸识别方法，其特征在于，
3.根据权利要求1所述的人脸识别方法，其特征在于，
4.根据权利要求3所述的人脸识别方法，其特征在于，
5.根据权利要求4所述的人脸识别方法，其特征在于，
6.根据权利要求1所述的人脸识别方法，其特征在于，
【专利技术属性】
技术研发人员：曾祁泽，朱树磊，殷俊，葛主贝，
申请(专利权)人：浙江大华技术股份有限公司，
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。