[发明专利]一种人脸识别方法及装置、电子设备、存储介质

权利要求书

1.一种人脸识别方法，其特征在于，包括：

获取当前用户的人脸图像；

将所述人脸图像输入预先训练好的人脸识别模型中，对所述人脸图像进行特征提取，得到所述人脸图像的特征数据；

通过所述人脸识别模型的切分融合模块，将所述人脸图像的特征数据切分为未遮挡部分图像的特征数据和遮挡部分图像的特征数据，并对所述未遮挡部分图像的特征数据进行特征处理后与所述遮挡部分图像的特征数据进行拼接，得到拼接特征数据；

将所述拼接特征数据划分为多组特征分组数据，并将各组所述特征分组数据分别输入所述人脸识别模型的一个轻量化模块中；

通过所述人脸识别模型的各个所述轻量化模块对输入的所述特征分组数据进行切分卷积处理，得到多个卷积特征数据；

通过所述人脸识别模型的注意力模块基于空间注意力机制，对各个所述卷积数据进行注意力学习，得到多个重要特征数据；

通过所述人脸识别模型的池化层和全连接层对各个所述重要特征数据进行处理，得到所述当前用户的人脸识别结果。

2.根据权利要求1所述的方法，其特征在于，所述对所述未遮挡部分图像的特征数据进行特征处理后与所述遮挡部分图像的特征数据进行拼接，得到拼接特征数据，包括：

依次通过所述切分融合模块中的两个卷积模块对所述未遮挡部分图像的特征数据进行特征提取后，将提取到的所述未遮挡部分图像的特征提取数据与所述未遮挡部分图像的特征数据进行融合，得到所述未遮挡部分图像的融合特征数据；

通过所述切分融合模块中的合并模块，将所述未遮挡部分图像的融合特征数据与所述遮挡部分图像的特征数据进行拼接，得到拼接特征数据。

3.根据权利要求1所述的方法，其特征在于，所述通过所述人脸识别模型的各个所述轻量化模块对输入的所述特征分组数据进行切分卷积处理，得到多个卷积特征数据，包括：

分别通过所述人脸识别模型的每个所述轻量化模块将输入的所述特征分组数据，切分为多组待扩张特征数据；

将各组所述待扩张特征数据分别输入一个所述轻量化模块中的混合模块中进行通道扩张，得到多个已扩张特征数据；

通过所述轻量化模块中的合并模块，将各个所述已扩张特征数据进行拼接后，通过所述轻量化模块中的卷积模块进行卷积处理，得到卷积特征数据。

4.根据权利要求1所述的方法，其特征在于，所述将所述人脸图像输入预先训练好的人脸识别模型中，对所述人脸图像进行特征提取，得到所述人脸图像的特征数据，包括：

将所述人脸图像输入预先训练好的人脸识别模型中，依次通过人脸识别模型中的两个初始卷积模块，对所述人脸图像进行特征提取，得到所述人脸图像的特征数据。

5.一种人脸识别装置，其特征在于，包括：

获取单元，用于获取当前用户的人脸图像；

第一提取单元，用于将所述人脸图像输入预先训练好的人脸识别模型中，对所述人脸图像进行特征提取，得到所述人脸图像的特征数据；

第一切分单元，用于通过所述人脸识别模型的切分融合模块，将所述人脸图像的特征数据切分为未遮挡部分图像的特征数据和遮挡部分图像的特征数据；

差异处理单元，用于通过所述切分融合模块对所述未遮挡部分图像的特征数据进行特征处理后与所述遮挡部分图像的特征数据进行拼接，得到拼接特征数据；

划分单元，用于将所述拼接特征数据划分为多组特征分组数据，并将各组所述特征分组数据分别输入所述人脸识别模型的一个轻量化模块中；

轻量化处理单元，用于通过所述人脸识别模型的各个所述轻量化模块对输入的所述特征分组数据进行切分卷积处理，得到多个卷积特征数据；

学习单元，用于通过所述人脸识别模型的注意力模块基于空间注意力机制，对各个所述卷积数据进行注意力学习，得到多个重要特征数据；

结果确定单元，用于通过所述人脸识别模型的池化层和全连接层对各个所述重要特征数据进行处理，得到所述当前用户的人脸识别结果。