[发明专利]用于提高人脸识别精度的方法、装置、电子设备和介质

说明书

本公开的实施例公开了用于提高人脸识别精度的方法、装置、电子设备和介质。该方法的一具体实施方式包括：获取目标人脸图像；通过预先训练的特征提取网络对该目标人脸图像进行特征提取，以生成特征图，其中，该特征提取网络用于表征该目标人脸图像与该特征图在分辨率上的映射关系；通过反卷积网络对该特征图进行特征放大处理，以生成重构后的人脸图像。该实施方式提高了人脸图像的分辨率，提高了人脸识别的精度，保证了对取货人进行身份识别的准确度。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及用于提高人脸识别精度的方法、装置、电子设备和介质。

背景技术

随着无人驾驶技术的发展，无人运货车辆正在逐步走进人们的视野。为了避免货物误取的情况出现，因此，需要对取货人的身份进行识别。目前，现有技术往往是通过车载传感器(例如，相机)，获取取货人的人脸图像，并根据上述人脸图像，确定取货人的身份。

然而，当采用上述技术时，经常会存在如下技术问题：

由于无人运货车辆周围的环境具有不确定性，例如，阴雨天的情况下，由于光线不足，可能会导致车载传感器拍摄得到的人脸图像较为模糊，从而，导致人脸识别不够精准，进而可能导致对取货人的身份识别精度较低。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了用于提高人脸识别精度的方法、装置、电子设备和介质，来解决以上背景技术部分提到的技术问题中的一项。

第一方面，本公开的一些实施例提供了一种用于提高人脸识别精度的方法，该方法包括：获取目标人脸图像；通过预先训练的特征提取网络对上述目标人脸图像进行特征提取，以生成特征图，其中，上述特征提取网络用于表征上述目标人脸图像与上述特征图在分辨率上的映射关系；通过反卷积网络对上述特征图进行特征放大处理，以生成重构后的人脸图像。

可选地，上述特征提取网络包括：第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层和第六卷积层；以及上述通过预先训练的特征提取网络对上述目标人脸图像进行特征提取，以生成特征图，包括：将上述目标人脸图像输入上述第一卷积层，以生成第一子特征图，其中，上述第一卷积层用于逐块提取上述目标人脸图像中各块子图像对应的特征向量，并根据得到的至少一个特征向量，生成上述第一子特征图；将上述第一子特征图输入上述第二卷积层，以生成第二子特征图；将上述第二子特征图输入上述第三卷积层，以生成第三子特征图；将上述第三子特征图输入上述第四卷积层，以生成第四子特征图；将上述第四子特征图输入上述第五卷积层，以生成第五子特征图；将上述第五子特征图输入上述第六卷积层，以生成上述特征图。

可选地，上述第二卷积层通过对上述第一子特征图进行高维映射处理，以生成上述第二子特征图，上述第三卷积层通过对上述第二子特征图进行高维映射处理，以生成上述第三子特征图，上述第四卷积层通过对上述第三子特征图进行高维映射处理，以生成上述第四子特征图，上述第五卷积层通过对上述第四子特征图进行高维映射处理，以生成上述第五子特征图。

可选地，上述通过反卷积网络对上述特征图进行特征放大处理，以生成重构后的人脸图像，包括：通过目标卷积核，对上述特征图进行反卷积处理，以生成上述重构后的人脸图像。

可选地，上述特征提取网络是通过以下步骤生成的：基于训练数据集合，生成候选特征提取网络，其中，上述训练数据集合中的训练数据是目标分辨率的人脸图像；通过测试样本集合，对上述候选特征提取网络进行测试，以生成测试结果；响应于确定上述测试结果满足预设条件，将上述候选特征提取网络，确定为上述特征提取网络。