[发明专利]人脸属性识别方法及装置、电子设备及存储介质

权利要求书

1.一种人脸属性识别方法，其特征在于，所述方法包括：

获取待识别的人脸图像；

调用属性识别模型，将所述人脸图像输入所述属性识别模型，由所述属性识别模型对所述人脸图像进行前向计算，并按照属性的不同类型确定属性值，输出所述人脸图像的多个属性值，所述多个属性值用于指示所述人脸图像的多个属性的识别结果；

其中，所述属性识别模型基于多个样本人脸图像以及所述多个样本人脸图像的多个已知属性识别结果按照属性的不同类型进行训练得到。

2.根据权利要求1所述的方法，其特征在于，所述由所述属性识别模型对所述人脸图像进行前向计算，并按照属性的不同类型确定属性值，包括：

提取所述人脸图像的人脸特征；

根据所述属性识别模型中的不同属性对应的子模型对所述人脸特征进行前向计算，得到所述人脸图像的多个属性对应的特征值；

对于所述多个属性中每一个属性，当所述属性为回归属性时，将所述属性对应的特征值作为所述属性所对应的属性值；

当所述属性不是回归属性时，对所述属性对应的特征值中的每一位进行归一化计算，得到所述属性所对应的预测向量，所述预测向量中的每一位预测值为所述属性是所述每一位所指示识别结果的概率；

将概率最大的识别结果所对应的预测值作为所述属性所对应的属性值。

3.根据权利要求1所述的方法，其特征在于，所述属性识别模型通过以下方法训练得到，包括：

获取多个样本人脸数据，所述多个样本人脸数据包括多个样本人脸图像和每个样本人脸图像的多个属性对应的属性值；

提取所述每个样本人脸图像的人脸特征；

根据初始模型中的不同属性对应的子模型对所述每个样本人脸图像的人脸特征进行前向计算，得到所述每个样本人脸图像的多个属性的预测值；

根据所述每个样本人脸图像的多个属性的预测值与属性值，按照属性的不同类型计算得到所述多个属性的损失值；

将所述多个属性的损失值加权求和，得到所述多个属性的总损失值；

对所述初始模型中的不同属性对应的子模型的参数进行调整，直到调整后的参数使得所述多个属性的总损失值小于或等于预设阈值时，停止调整。

4.根据权利要求3所述的方法，其特征在于，所述根据所述每个样本人脸图像的多个属性的预测值与属性值，按照属性的不同类型计算得到所述多个属性的损失值，包括：

对于所述多个属性中每一个属性，当所述属性为回归属性时，利用第一预设函数对所述属性的预测值和属性值进行计算，得到所述属性对应的损失值，所述第一预设函数用于计算连续变量的损失值；

当所述属性不是回归属性时，利用第二预设函数对所述属性的预测向量和属性向量进行计算，得到所述属性对应的损失值，所述第二预设函数用于计算定性变量的损失值。

5.根据权利要求4所述的方法，其特征在于，所述第一预设函数为欧氏距离损失函数；或，所述第二预设函数为交叉熵损失函数。

6.根据权利要求1所述的方法，其特征在于，所述获取待识别的人脸图像，包括：

对图像进行人脸检测，对检测到的人脸图像进行人脸配准，并对所述人脸图像进行归一化处理，得到待识别的人脸图像。

7.一种人脸属性识别装置，其特征在于，所述装置包括：

获取模块，用于获取待识别的人脸图像；

输入输出模块，用于调用属性识别模型，将所述人脸图像输入所述属性识别模型，由所述属性识别模型对所述人脸图像进行前向计算，并按照属性的不同类型确定属性值，输出所述人脸图像的多个属性值，所述多个属性值用于指示所述人脸图像的多个属性的识别结果；

其中，所述属性识别模型基于多个样本人脸图像以及所述多个样本人脸图像的多个已知属性识别结果按照属性的不同类型进行训练得到。