[发明专利]人脸识别模型训练方法、装置、电子设备及存储介质

权利要求书

1.一种人脸识别模型训练方法，其特征在于，包括：

获取多个类型的样本图像，通过人脸识别模型对所述样本图像进行识别；

根据所述样本图像的人脸特征识别结果和预设损失函数计算各所述样本图像的损失值；其中，所述预设损失函数包括包含人脸特征密度信息的正则项，所述损失值包含所述样本图像的类间间隔信息；

基于所述损失值，对所述人脸识别模型的参数进行调整；

其中，在所述根据所述样本图像的人脸特征识别结果和预设损失函数计算各所述样本图像的损失值前，还包括：

获取所述样本图像所属的类型及所述样本图像所属的类型与其余各类型的类间距离；

将获取的多个所述类间距离按照从小到大的顺序排列，并将排列后的前N个所述类间距离的和的倒数作为所述样本图像的所述人脸特征密度信息。

2.根据权利要求1所述的人脸识别模型训练方法，其特征在于，所述根据所述样本图像的人脸特征识别结果和预设损失函数计算各所述样本图像的损失值，包括：根据以下公式计算各所述样本图像的损失值L：

其中，x为所述样本图像的所述人脸特征识别结果，y为类型的标签，m为间隔，N为所述类间距离的个数，为超参数，K为类型的总数，，为标签为k的类型的分类权重，为所述人脸特征识别结果x与所述分类权重之间的余弦角，为所述人脸特征识别结果x与所述分类权重之间的余弦距离，为间隔函数，为所述人脸特征密度信息。

3.根据权利要求2所述的人脸识别模型训练方法，其特征在于，所述超参数的取值范围包括0.01到0.1。

4.根据权利要求1至3中任一项所述的人脸识别模型训练方法，其特征在于，所述基于所述损失值，对所述人脸识别模型的参数进行调整，包括：

获取目标样本图像的第一损失值；

根据所述第一损失值对所述人脸识别模型的参数进行调整，直到根据参数调整后的所述人脸识别模型对所述目标样本图像的人脸特征识别结果计算出的第二损失值小于所述第一损失值；

其中，所述目标样本图像为所述损失值达到预设门限的所述样本图像。

5.根据权利要求1至3中任一项所述的人脸识别模型训练方法，其特征在于，所述获取多个类型的样本图像，包括：

获取多人在不同场景下的多个图片数据；

提取出所述图片数据中的人脸图像，将每个人的多个所述人脸图像作为一个类型的所述样本图像。

6.一种人脸识别模型训练装置，其特征在于，包括：

获取模块，用于获取多个类型的样本图像，通过人脸识别模型对所述样本图像进行识别，获取所述样本图像所属的类型及所述样本图像所属的类型与其余各类型的类间距离；将获取的多个所述类间距离按照从小到大的顺序排列，并将排列后的前N个所述类间距离的和的倒数作为所述样本图像的所述人脸特征密度信息；

计算模块，用于根据所述样本图像的人脸特征识别结果和预设损失函数计算各所述样本图像的损失值；其中，所述预设损失函数包括包含人脸特征密度信息的正则项，所述损失值包含所述样本图像的类间间隔信息；

调整模块，用于基于所述损失值，对所述人脸识别模型的参数进行调整。

7.一种电子设备，其特征在于，包括：至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至5中任意一项所述的人脸识别模型训练方法。

8.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的人脸识别模型训练方法。