[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

说明书

本申请提供了一种人脸识别的检测方法、装置、电子设备及存储介质，属于计算机应用技术领域。检测方法包括：基于样本图像集，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，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，并将特征数据集输入到辅助网络中，得到聚焦特征数据集；基于聚焦特征数据集，确定待检测的人脸图像与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，并确定待检测的人脸图像能否通过人脸识别。本申请能够能准确的识别有遮挡的待检测图像。避免了无法对人脸进行识别的状况，并提高了人脸识别识别的准确率。

技术领域

本申请涉及计算机应用技术领域，尤其是涉及一种人脸识别的检测方法、装置、电子设备及存储介质。

背景技术

人类社会正在由以计算机、通信、互联网、大数据等技术支撑的信息社会，迈向以人工智能为关键支撑的智能社会，人类生产生活以及世界发展格局将由此发生更加深刻的改变。人工智能(AI)是指在机器上实现类似乃至超越人类的感知、认知、行为等智能的系统。与人类历史上其他技术革命相比，人工智能对人类社会发展的影响可能位居前列。人脸识别技术是人工智能技术中的重要技术，在现实的应用中，得到了广泛地发展和深入地眼镜，采用人脸识别身份认证信息进行身份鉴别有助于甄别指定操作人员的身份唯一性和准确性，确保数据不被其他人轻易窃取。

随着互联网和人工智能的兴起和快速发展，人脸识别技术经历了较长的研究阶段，应用在很多场景开始落地，然而，至今人脸识别技术还是被认为是生物特征识别技术中较为困难的研究课题之一。人脸识别技术自身是一个复杂的问题，面临一些困难和挑战。

目前，市面上的人脸识别技术一般都是基于人脸关键特征提取对比完成识别的，其中，特征的完整性是算法成败的一个极为关键的因素，但是当受到外界干扰较多，外界的条件发生明显变化的时候，由于传统方法过于依赖明显的、完整的图像特征，一旦由于人脸发生遮挡，造成部分特征的消失，导致人脸图像特征不完整时，疫情期间，遮挡问题成了重要问题，现有的识别人脸特征的识别模型的模型网络无法准确的识别出有遮挡人脸图像，导致无法和库中人脸信息进行对比，造成识别不准确或无法对人脸进行识别。

发明内容

有鉴于此，本申请的目的在于提供一种人脸识别的检测方法、装置、电子设备及存储介质，通过在需要构建的网络模型中添加除主网络外的辅助网络来建立训练好的人脸训练模型，并对有遮挡的待检测的人脸图像进行人脸识别，这样，能够能准确的识别有遮挡的待检测图像，避免了无法对人脸进行识别的状况，并提高了人脸识别的准确率。

本申请主要包括以下几个方面：

第一方面，本申请实施例提供了一种人脸识别的训练方法，所述检测方法包括：

基于样本图像集，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，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。

在一种可能的实施方式中，所述基于样本图像集，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，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；