[发明专利]一种人脸识别的检测方法、装置、电子设备及存储介质

权利要求书

1.一种人脸识别的检测方法，其特征在于，所述检测方法包括：

针对样本图像集进行面部特征预处理，得到目标样本集，基于所述目标样本集，对构建好的神经网络进行训练，得到训练好的人脸训练模型；其中，所述构建好的神经网络包括主网络和辅助网络；

将待检测的人脸图像输入训练好的人脸训练模型中的主网络的卷积层中，得到特征数据集，并将所述特征数据集输入到辅助网络中，所述辅助网络包括两个注意力机制层和卷积层，所述特征数据先后通过两个注意力机制层拼接的通过后，再经由所述辅助网络中的卷积层特征数据进行进一步卷积，并通过激活函数，生成每个特征数据的权重系数，并将每个所述权重系数与对应的所述特征数据相乘，得到聚焦特征数据集；

基于所述聚焦特征数据集，确定所述待检测的人脸图像与所述训练好的人脸训练模型之间的相似度是否大于相似度阈值；

若所述待检测的人脸图像与所述训练好的人脸训练模型之间的相似度不小于相似度阈值，则确定所述待检测的所述人脸图像能通过人脸识别；

基于所述目标样本集，对构建好的神经网络进行训练，得到训练好的人脸训练模型，包括：

获取目标样本集，并将所述目标样本集输入到构建好的神经网络的主网络中进行训练，得到样本特征数据集；

将所述样本特征数据集先后输入到构建好的神经网络的辅助网络中的通道注意力机制层以及空间注意力机制层中进行训练，得到聚焦样本特征数据集；

根据所述聚焦样本特征数据集进行训练，确定训练好的人脸训练模型；

将所述样本特征数据集先后输入到构建好的神经网络的辅助网络中的通道注意力机制层以及空间注意力机制层中进行训练，得到聚焦样本特征数据集，包括：

将样本特征数据集输入到构建好的神经网络的辅助网络中的通道注意力机制层，针对所述样本特征数据集进行所述通道的数据加强；

将加强后的所述样本特征数据集输入到构建好的神经网络的辅助网络中的空间注意力机制层中进行训练及卷积，获取所述加强后的所述样本特征数据集在不同区域下的权重；

根据加强后的所述样本特征数据集在不同区域下的权重和所述样本特征数据集，确定聚焦特征数据集。

2.根据权利要求1所述的检测方法，其特征在于，所述针对样本图像集进行面部特征预处理，得到目标样本集，包括：

针对样本图像集中的面部特征进行标注，确定面部特征数据集；

针对所述面部特征数据集进行分区域定位以及特征数据对齐处理，得到目标样本集。

3.根据权利要求1所述的检测方法，其特征在于，通过以下方式获取构建好的神经网络：

获取样本图像集中每个样本图像的标签信息；所述标签信息用于表征每个所述样本图像对应的真实人脸特征；

针对样本图像集以及每个样本图像的标签信息，对初始神经网络进行训练，得到构建好的神经网络。

4.根据权利要求3所述的检测方法，其特征在于，所述针对样本图像集以及每个样本图像的标签信息，对初始神经网络进行训练，得到构建好的神经网络，包括：

将所述样本图像集中的每个样本图像以及每个所述样本图像的标签信息输入初始神经网络，得到每个所述样本图像对应的预测人脸特征；

当每个所述样本图像对应的预测人脸特征与每个所述样本图像对应的真实人脸特征之间的损失值小于预设阈值，训练截止，得到构建好的神经网络；其中，所述损失值利用交叉熵损函数计算得到。

5.根据权利要求1所述的检测方法，其特征在于，所述基于所述聚焦特征数据集，确定所述待检测的人脸图像与所述训练好的人脸训练模型之间的相似度是否大于相似度阈值，所述检测方法还包括：

若所述待检测的人脸图像与所述训练好的人脸训练模型之间的相似度小于相似度阈值，则确定所述待检测的所述人脸图像不能通过人脸识别。