[发明专利]信息输出方法和装置

权利要求书

1.一种信息输出方法，其特征在于，所述方法包括：

获取第一图像和第二图像，其中，所述第一图像包括第一人脸图像区域，所述第二图像包括第二人脸图像区域；

生成所述第一图像的图像矩阵和所述第二图像的图像矩阵，其中，图像矩阵的行对应图像的高，图像矩阵的列对应图像的宽，图像矩阵的元素对应图像的像素；

分别将所述第一图像的图像矩阵和所述第二图像的图像矩阵输入至预先训练的卷积神经网络，得到所述第一图像的特征向量和所述第二图像的特征向量，其中，所述卷积神经网络用于表征图像矩阵与特征向量之间的对应关系，所述卷积神经网络是利用第一样本图像、第二样本图像和第三样本图像训练得到的，所述第一样本图像中的第一样本人脸图像区域所属的对象与所述第二样本图像中的第二样本人脸图像区域所属的对象为夫妻关系，所述第三样本图像是基于所述第一样本图像和所述第二样本图像生成的，包括：分别提取所述第一样本图像和所述第二样本图像的特征向量；分别对所述第一样本图像和所述第二样本图像的特征向量进行分段，生成所述第一样本图像的子特征向量集合和所述第二样本图像的子特征向量集合；从所述第一样本图像的子特征向量集合和所述第二样本图像的子特征向量集合选取出子特征向量；对所选取出的子特征向量进行组合，生成第三样本图像的特征向量；利用反卷积神经网络，基于所述第三样本图像的特征向量，生成所述第三样本图像；

计算所述第一图像的特征向量和所述第二图像的特征向量之间的距离；

基于所计算的距离，输出所述第一人脸图像区域所属的对象和所述第二人脸图像区域所属的对象之间的对象关系信息，其中，对象关系包括亲子关系和非亲子关系。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括训练卷积神经网络的步骤，所述训练卷积神经网络的步骤包括：

分别获取第一样本图像、第二样本图像和第三样本图像的图像矩阵；

执行以下训练步骤：分别将所述第一样本图像、所述第二样本图像和所述第三样本图像的图像矩阵输入至初始化卷积神经网络，得到所述第一样本图像、所述第二样本图像和所述第三样本图像的特征向量，确定所述第一样本图像、所述第二样本图像和所述第三样本图像的特征向量是否满足预设条件，若满足所述预设条件，则将所述初始化卷积神经网络作为训练完成的卷积神经网络。

3.根据权利要求2所述的方法，其特征在于，在所述分别获取第一样本图像、第二样本图像和第三样本图像的图像矩阵之前，还包括：

获取第一样本图像和第二样本图像，其中，所述第一样本图像包括第一样本人脸图像区域，所述第二样本图像包括述第二样本人脸图像区域，所述第一样本人脸图像区域所属的对象与所述第二样本人脸图像区域所属的对象为所述非亲子关系。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

响应于不满足所述预设条件，调整所述初始化卷积神经网络的参数，并继续执行所述训练步骤。

5.根据权利要求4所述的方法，其特征在于，所述确定所述第一样本图像、所述第二样本图像和所述第三样本图像的特征向量是否满足预设条件，包括：

计算所述第一样本图像的特征向量和/或所述第二样本图像的特征向量与所述第三样本图像的特征向量之间的距离，得到第一计算结果；

基于所述第一计算结果，确定是否满足预设条件。

6.根据权利要求5所述的方法，其特征在于，所述计算所述第一样本图像的特征向量和/或所述第二样本图像的特征向量与所述第三样本图像的特征向量之间的距离，得到第一计算结果，包括：

计算所述第一样本图像的特征向量和/或所述第二样本图像的特征向量与所述第三样本图像的特征向量之间的欧氏距离，得到第一计算结果。

7.根据权利要求6所述的方法，其特征在于，所述基于所述第一计算结果，确定是否满足预设条件，包括：

确定所述第一样本图像的特征向量和/或所述第二样本图像的特征向量与所述第三样本图像的特征向量之间的欧氏距离是否小于第一预设距离阈值；

若小于所述第一预设距离阈值，则满足所述预设条件；

若不小于所述第一预设距离阈值，则不满足所述预设条件。