[发明专利]眉毛识别方法、装置、计算设备及计算机可读存储介质

权利要求书

1.一种眉毛识别方法，其特征在于，所述方法包括：

获取待识别的眉毛图像；

通过预先训练得到的眉毛识别模型对所述待识别的眉毛图像进行多个浅层特征提取，得到多个浅层特征图，一个浅层特征图用于反馈所述眉毛图像的一个低层语义图像特征；

通过眉毛识别模型中的多个分支识别模型分别对所述多个浅层特征图进行识别，以得到所述多个分支识别模型各自对应的识别结果，每个识别结果包括用于指示所述眉毛图像中的眉毛属于各种眉毛类别的多个概率，一个概率对应一种眉毛类别，所述多个分支识别模型的感受野各不相同；其中，每个分支识别模型包括降维层、多个相互串联的目标卷积层、目标池化层和全连接层，每个分支模型的目标卷积层中的卷积核的尺寸各不相同；所述通过眉毛识别模型中的多个分支识别模型分别对所述多个浅层特征图进行识别，以得到所述多个分支识别模型各自对应的识别结果，包括：

通过各分支识别模型中的降维层分别对所述多个浅层特征图进行降维，以得到所述多个分支识别模型各自对应的多个第三特征图，所述第三特征图用于反馈所述眉毛图像的目标低层语义图像特征，所述目标低层语义图像特征是指所述低层语义图像特征中用于精确表达所述眉毛图像的图像特征；

通过所述各分支识别模型中的目标卷积层各自对所述多个分支识别模型各自对应的多个第三特征图进行深层特征提取，得到所述多个分支识别模型各自对应的多个第四特征图，一个第四特征图用于表示所述待识别的眉毛图像的高层语义图像特征；

通过所述各分支识别模型中的目标池化层各自对所述多个分支识别模型各自对应的多个第四特征图进行池化，得到多个分支识别模型各自对应的多个第五特征图；

通过所述各分支识别模型中的全连接层各自对所述多个分支识别模型各自对应的多个第五特征图表征的图像特征进行加权运算，得到所述多个分支识别模型各自对应的加权结果，每个加权结果包括用于表示所述待识别的眉毛图像属于每一种眉毛类别的可能性的多个数值；

对所述多个分支识别模型各自对应的加权结果进行归一化输出，得到所述多个分支识别模型各自对应的识别结果；

根据所述识别结果计算每一种眉毛类别对应的概率之和，以得到每一种眉毛类别对应的概率和；

将最大概率和对应的眉毛类别作为所述待识别的眉毛图像所属的眉毛类别。

2.根据权利要求1所述的方法，其特征在于，所述通过预先训练得到的眉毛识别模型对所述待识别的眉毛图像进行多个浅层特征提取，得到多个浅层特征图，包括：

通过所述眉毛识别模型中的多个单边卷积核分别提取所述待识别的眉毛图像的多种纹理特征，得到多个第一特征图，一个单边卷积核用于提取所述待识别的眉毛图像的一种纹理特征；

对每一个第一特征图进行填充，得到多个第二特征图，每一个第二特征图的宽和高相同；

通过眉毛识别模型中的浅层特征提取层对所述多个第二特征图进行浅层特征统一提取，得到所述多个浅层特征图。

3.根据权利要求1所述的方法，其特征在于，所述第五特征图为一维图像特征；通过所述各分支识别模型中的目标池化层各自对所述多个分支识别模型各自对应的多个第四特征图进行池化，得到所述多个分支识别模型各自对应的多个第五特征图，包括：

通过目标分支识别模型中的目标池化层对目标第四特征图中的所有像素点计算平均值，所述目标分支识别模型为所述多个分支识别模型中的任一分支识别模型，所述目标第四特征图为所述多个第四特征图中的任意一个第四特征图；

将所述平均值作为所述目标第四特征图对应的第五特征图的像素值，以得到所述多个分支识别模型各自对应的多个第五特征图。

4.根据权利要求1所述的方法，其特征在于，在获取待识别的眉毛图像之前，所述方法还包括：

构建眉毛识别模型；

获取多个训练图像；

对每一个训练图像对应的眉毛类别进行标识，得到每一个训练图像的标识信息，同一种眉毛类别对应的训练图像的标识信息相同，不同种眉毛类别对应的训练图像的标识信息不同；

将每一个训练图像及其对应的标识信息作为一组训练样本，以得到多组训练样本；

根据所述多组训练样本训练所述眉毛识别模型，得到训练好的眉毛识别模型。