[发明专利]人脸识别的方法、装置及计算机装置

权利要求书

1.一种人脸识别的方法，其特征在于，所述方法包括：

根据预设的人脸特征提取模型提取预设训练集中任意两个样本的特征向量；

分别对所述任意两个样本的特征向量进行归一化处理；

获取所述任意两个样本的融合特征向量；

获取所述任意两个样本的参照相似度；

依次遍历所述预设训练集中所有互不相同的两个样本，获得所述预设训练集中所有互不相同的两个样本的融合特征向量和参照相似度；

获取所述预设训练集的任一融合特征向量；

将所述任一融合特征向量输入至回归模型，获得所述任一融合特征向量所对应的两个样本的训练相似度，其中，所述回归模型至少包括第一全连接层和第二全连接层，且所述第一全连接层和第二全连接层均采用激活函数对所述任一融合特征向量做特征映射变换；

利用损失函数确定所述任一融合特征向量所对应的两个样本的训练相似度与所述任一融合特征向量所对应的两个样本的参照相似度的误差；

若所述误差不满足预设收敛条件，则利用随机梯度下降通过反向传播的过程调整所述回归模型的所述第一全连接层的参数和所述第二全连接层的参数；

重复上述迭代过程，直至所述误差满足预设收敛条件，将满足预设收敛条件之前的最后一次迭代过程的第一全连接层的参数和第二全连接层的参数作为回归模型的第一全连接层的参数和第二全连接层的参数，确定训练后的回归模型；

利用所述训练后的回归模型，对待识别的人脸图片进行识别。

2.如权利要求1所述的方法，其特征在于，所述获取所述任意两个样本的融合特征向量包括：

将归一化后的所述任意两个样本的特征向量的对应维度的元素分别相乘，并将相乘的结果作为所述任意两个样本的融合特征向量的相应维度的元素，获得所述任意两个样本的融合特征向量。

3.如权利要求1所述的方法，其特征在于，所述预设训练集包括样本所对应的类别标记，所述获取所述任意两个样本的参照相似度包括：

确定归一化后的所述任意两个样本的特征向量的余弦距离；

若所述任意两个样本的类别标记相同，则所述任意两个样本的参照相似度为所述余弦距离与预设常数的和；

若所述任意两个样本的类别标记不同，则所述任意两个样本的参照相似度为所述余弦距离与所述预设常数的差。

4.如权利要求1所述的方法，其特征在于，所述预设收敛条件包括：

所述误差小于或者等于预设的误差阈值或者所述误差所对应的误差百分比小于或者等于预设的误差百分比。

5.如权利要求1所述的方法，其特征在于，所述利用所述训练后的回归模型，对待识别的人脸图片进行识别包括：

获取待验证的第一人脸图片和第二人脸图片的融合特征向量；

将所述第一人脸图片和所述第二人脸图片的融合特征向量输入至所述训练后的回归模型，获取所述第一人脸图片和所述第二人脸图片的相似度；

若所述第一人脸图片和所述第二人脸图片的相似度大于或者等于预设相似度阈值，则确定所述第一人脸图片和所述第二人脸图片为同一人的人脸图片；

若所述第一人脸图片和所述第二人脸图片的相似度小于预设相似度阈值，则确定所述第一人脸图片和所述第二人脸图片不是同一人的人脸图片。

6.如权利要求1所述的方法，其特征在于，所述利用所述训练后的回归模型，对待识别的人脸图片进行识别包括：

获取待检索的目标人脸图片；

利用所述预设人脸特征提取模型分别提取所述目标人脸图片的特征向量以及预设检索数据库所包含的人脸图片的特征向量；

分别确定所述目标人脸图片的特征向量与所述预设检索数据库所包含的每个人脸图片的特征向量的融合特征向量；

分别将所述目标人脸图片的特征向量与所述预设检索数据库所包含的每个人脸图片的特征向量的融合特征向量输入至所述训练后的回归模型，并获取所述目标人脸图片与所述预设检索数据库所包含的每个人脸图片的相似度；

按照所述目标人脸图片和所述预设检索数据库所包含的每个人脸图片的相似度由大到小的顺序对所述预设检索数据库所包含的每个人脸图片进行排列，并将排列后的人脸图片作为检索结果。