[发明专利]人脸识别方法、装置和电子设备

说明书

本发明提供一种人脸识别方法、装置和电子设备，所述方法包括：确定待识别图像；将待识别图像输入至融合多个场景的人脸识别模型，得到人脸识别模型输出的人脸识别结果；其中，人脸识别模型是基于样本图像及各场景对应的教师模型输出的各场景人脸识别结果，进行蒸馏训练得到的。本发明通过蒸馏训练方式，得到融合多个场景的人脸识别模型，基于人脸识别模型进行人脸识别，在压缩模型规模、降低运算量的同时，提高基于同一模型实现的多场景人脸识别效果，从而实现准确、可靠且可应用于不同场景下的人脸识别方案。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种人脸识别方法、装置和电子设备。

背景技术

在目前公开的人脸数据集中，基本上都是名人的图像，而且每个人的图像数量很多。然而，在实际业务场景中，有些人物的图像数量较少（如大约2-3张），这些任务的图像与公开的人脸数据集合并训练人脸识别模型，是使模型陷入过拟合的情况，并且两种数据的域相差很大，会严重影响模型的泛化性，进而使得训练得到的人脸识别模型识别精度较低。

发明内容

本发明提供一种人脸识别方法、装置和电子设备，用以解决现有技术中人脸识别模型的识别精度较低且泛化性较差的缺陷。

本发明提供一种人脸识别方法，包括：

确定待识别图像；

将所述待识别图像输入至融合多个场景的人脸识别模型，得到所述人脸识别模型输出的人脸识别结果；

其中，所述人脸识别模型是基于样本图像及各场景对应的教师模型输出的各场景人脸识别结果，进行蒸馏训练得到的。

根据本发明提供的一种人脸识别方法，各场景分别对应的教师模型是基于如下步骤训练得到的：

确定各场景对应的样本场景图像集合，所述集合中包含多个样本场景图像；

基于各场景对应的各样本场景图像中包含的人物在所述集合中出现的次数，从各场景对应的样本场景图像集合中确定各场景对应的正常样本和虚拟样本；

基于各场景对应的正常样本、虚拟样本以及所述正常样本和所述虚拟样本包含人脸的身份信息，对教师模型的原始模型进行训练，得到各场景的教师模型。

根据本发明提供的一种人脸识别方法，所述基于所述各场景对应的各样本场景图像中包含的人物在所述集合中出现的次数，从各场景对应的样本场景图像集合中确定各场景对应的正常样本和虚拟样本，包括：

在所述各场景对应的各样本场景图像中包含的人物在所述集合中出现的次数大于等于阈值时，将对应的样本场景图像作为对应场景的正常样本；在所述各场景对应的各样本场景图像中包含的人物在所述集合中出现的次数小于所述阈值时，将对应的样本场景图像作为对应场景的虚拟样本。

根据本发明提供的一种人脸识别方法，所述基于各场景对应的正常样本、虚拟样本以及所述正常样本和所述虚拟样本包含人脸的身份信息，对教师模型的原始模型进行训练，得到各场景的教师模型，包括：

基于各场景对应的正常样本，以及所述正常样本中包含人脸的身份信息对教师模型的原始模型进行训练，得到各场景的教师模型对应的初始模型；

将各场景对应的虚拟样本输入至各场景的教师模型对应的初始模型，得到各场景的教师模型对应的初始模型输出的各场景虚拟样本对应的人脸识别结果；

将各场景的正常样本输入至各场景的教师模型对应的初始模型，得到各场景的教师模型对应的初始模型输出的各场景正常样本对应的人脸识别结果；

基于各场景虚拟样本对应的人脸识别结果、各场景正常样本对应的人脸识别结果、各场景虚拟样本包含人脸的身份信息以及各场景正常样本包含人脸的身份信息，对各场景的教师模型对应的初始模型进行训练，得到各场景的教师模型。