[发明专利]超分模型的训练及人脸识别方法、装置、介质及电子设备

说明书

本公开涉及人脸识别领域，具体涉及一种超分模型的训练及人脸识别方法、装置、计算机可读存储介质及电子设备，包括：获取第一高质量人脸图像样本以及对应的低质量人脸图像样本，由待训练模型对低质量人脸图像样本进行超分辨率重建处理以生成对应的目标高质量人脸图像，并得到待训练模型的第一损失函数；获取身份信息，并获取身份信息对应的第二高质量人脸图像样本，构建图像多元组；提取人脸图像多元组中多个人脸图像的多个人脸特征并计算待训练模型的第二损失函数；通过第一损失函数以及第二损失函数对待训练模型的神经网络参数进行迭代更新，以训练超分模型。通过本公开实施例的技术方案，可以解决低质量人脸图像识别效率较差的问题。

技术领域

本公开涉及人脸识别技术领域，具体而言，涉及超分模型的训练方法、人脸识别方法、超分模型的训练装置、人脸识别装置、计算机可读存储介质及电子设备。

背景技术

人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。随着软件与硬件的发展，深度学习在人脸识别领域得到了越来越广泛的应用，人脸识别可以根据计算机在图像中检测和跟踪人脸，对特定人物快速进行身份确认，并且做出相应的反应。

现有技术中，通常采用摄像机或摄像头采集含有人脸的图像或视频流，并对图像进行跟踪，进而对检测到的人脸进行脸部识别。

然而，在一些应用场景中，例如需要对某些特定人物进行识别时，在图像经过多次传播后，导致图像的质量较差，使得现有的人脸识别技术难以对这些图片进行快速识别。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种超分模型的训练方法、超分模型的训练装置、计算机可读存储介质及电子设备，可以解决低质量人脸图像识别效率较差的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的第一方面，提供了一种超分模型的训练方法，包括：获取第一高质量人脸图像样本以及所述第一高质量人脸图像样本对应的低质量人脸图像样本，由待训练模型对所述低质量人脸图像样本进行超分辨率重建处理以生成对应于所述低质量人脸图像样本的目标高质量人脸图像，并得到所述待训练模型的第一损失函数；获取所述第一高质量人脸图像样本对应的身份信息，并获取所述身份信息对应的一个或多个第二高质量人脸图像样本，并以所述第一高质量人脸图像样本、所述第二高质量人脸图像样本以及所述目标高质量人脸图像构建图像多元组；通过人脸特征提取模型提取所述人脸图像多元组中多个人脸图像的多个人脸特征，并根据所述多个人脸特征计算所述待训练模型的第二损失函数；通过所述第一损失函数以及所述第二损失函数对所述待训练模型的神经网络参数进行迭代更新，以训练所述超分模型。

在本公开的一种示例性实施例中，基于前述方案，所述获取第一高质量人脸图像样本以及所述第一高质量人脸图像样本对应的低质量人脸图像样本，包括：对所述第一高质量人脸图像样本进行降质操作得到所述第一高质量人脸图像样本对应的低质量人脸图像样本。

在本公开的一种示例性实施例中，基于前述方案，所述降质操作包括图像模糊或图像压缩。

在本公开的一种示例性实施例中，基于前述方案，所述得到所述待训练模型的第一损失函数，包括：计算所述第一高质量人脸图像样本与所述目标高质量人脸图像的预测差值；根据所述预测差值得到所述待训练模型的第一损失函数。

在本公开的一种示例性实施例中，基于前述方案，所述第一损失函数包括均方误差损失函数。