[发明专利]一种人脸匹配方法、装置及电子设备

权利要求书

1.一种人脸匹配方法，其特征在于，所述方法包括：

获取目标人脸图像的低精度人脸特征与高精度人脸特征，其中，所述低精度人脸特征的精度低于所述高精度人脸特征；

针对每个候选人脸图像，确定该候选人脸图像的高精度人脸特征与所述目标人脸图像的高精度人脸特征是否匹配，如果匹配，则将该候选人脸图像作为粗筛选人脸图像；

针对每个粗筛选人脸图像，确定该粗筛选人脸图像的高精度人脸特征与所述目标人脸图像的高精度人脸特征是否匹配，如果匹配，确定该粗筛选人脸图像与所述目标人脸图像匹配。

2.根据权利要求1所述的方法，其特征在于，所述获取目标人脸图像的低精度人脸特征与高精度人脸特征，包括：

将目标人脸图像输入至预先经过训练的人脸特征提取模型，得到所述人脸特征提取模型输出的所述目标人脸图像的高精度人脸特征与低精度人脸特征；

其中，所述人脸特征提取模型为预先利用标注有匹配结果的样本图像对训练得到的，所述匹配结果用于表示所述样本图像对中的样本图像是否匹配。

3.根据权利要求2所述的方法，其特征在于，所述人脸特征提取模型是预先通过以下方式训练得到的：

将标注有匹配结果的样本图像对中的两个样本图像分别输入至初始模型，其中，所述初始模型包括主干子模型、第一分支子模型和第二分支子模型，所述主干子模型用于提取输入至所述初始模型的图像的图像特征，并将提取的图像特征输入至所述第一分支子模型和所述第二分支子模型，所述第一分支子模型用于根据输入的图像特征，输出高精度人脸特征，所述第二分支子模型用于根据输入的图像特征，输出低精度人脸特征；

获取所述第一分支子模型输出的两个样本图像的高精度人脸特征以及所述第二分支子模型输出的所述两个样本图像的低精度人脸特征；

基于所述两个样本图像的高精度人脸特征，确定所述两个样本图像是否匹配，得到第一预测结果；并基于所述两个样本图像的低精度人脸特征，确定所述两个第一图像是否匹配，得到第二预测结果；

根据所述第一预测结果和所述匹配结果，调整所述主子模型和所述第一分支子模型的模型参数，并根据所述第二预测结果和所述匹配结果，调整所述主干子模型和所述第二分支子模型的模型参数，得到人脸特征提取模型。

4.根据权利要求3所述的方法，其特征在于，所述根据所述第二预测结果和所述匹配结果，调整所述主干子模型和所述第二分支子模型的模型参数，包括：

根据所述两个样本图像的低精度人脸特征中特征值的离散程度，构建第二损失函数；

根据所述第二预测结果和所述匹配结果、所述第二损失函数，调整所述主干子模型和所述第二分支子模型的模型参数。

5.根据权利要求3所述的方法，其特征在于，所述根据所述第二预测结果和所述匹配结果，调整所述主干子模型和所述第二分支子模型的模型参数，包括：

将所述两个样本图像的低精度人脸特征输入至预先经过训练的分类网络，得到所述两个样本图像的预测分类结果；

根据所述两个样本图像的预测分类结果与所述两个样本图像标注的标注分类结果，构建第三损失函数；

根据所述第二预测结果和所述匹配结果、所述第三损失函数，调整所述主干子模型和所述第二分支子模型的模型参数。

6.根据权利要求5所述的方法，其特征在于，所述根据所述第二预测结果和所述匹配结果、所述第二损失函数，调整所述主干子模型和所述第二分支子模型的模型参数，包括：

根据所述分类网络的网络参数，构建第四损失函数，所述第四损失函数用于表示所述分类网络的网络参数的正则性；

根据所述第二预测结果和所述匹配结果、所述第四损失函数，调整所述主干子模型和所述第二分支子模型的模型参数。

7.根据权利要求1-6任一所述的方法，其特征在于，低精度人脸特征为人脸哈希特征，高精度人脸特征为人脸浮点特征。