[发明专利]人脸识别模型的训练方法、装置、设备和存储介质

说明书

本发明实施例提供了一种人脸识别模型的训练方法、装置、设备和存储介质，该方法包括：获取多批样本图像，每批样本图像中包括多张遮挡人脸图像；针对遮挡人脸图像进行划分，得到多个图像块，多个图像块中包括遮挡区域对应的图像块和非遮挡区域对应的图像块；对每个图像块进行特征提取，得到每个图像块的第一图像特征，并基于第一图像特征，通过自注意力机制进行关系抽取，得到遮挡人脸图像的目标图像特征，其中，遮挡区域对应的图像块和非遮挡区域对应的图像块之间的注意力值为0；基于目标图像特征，对初始人脸识别模型进行训练，得到人脸识别模型，人脸识别模型用于对目标遮挡人脸图像进行识别。本发明可以提高遮挡人脸识别的准确度。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种人脸识别模型的训练方法、装置、设备和存储介质。

背景技术

人脸识别技术是指利用分析比较的计算机技术识别人脸，其已被广泛应用于安检和考勤等应用场景中。在某些特殊的场景中，用户可能需要佩戴口罩、眼镜或者围巾等，然而，佩戴口罩、眼镜或者围巾等物品会对人脸面部造成严重遮挡，容易导致人脸识别结果不准确。

为了解决这一问题，现有技术中通常是利用遮挡人脸图像和非遮挡人脸图像对人脸识别模型进行训练与特征提取，以此实现对遮挡人脸的识别。

然而，上述方式中对遮挡人脸的识别准确度依然较低，无法实现更高精准率的人脸识别。

发明内容

本发明提供一种人脸识别模型的训练方法、装置、设备和存储介质，用以解决现有技术中对于遮挡人脸进行识别时，准确度较低的缺陷，实现了更为准确的识别遮挡人脸的目的。

本发明提供一种人脸识别模型的训练方法，包括：

获取多批样本图像，每批样本图像中包括多张遮挡人脸图像；

针对每张遮挡人脸图像，将所述遮挡人脸图像进行划分，得到多个图像块，所述多个图像块中包括遮挡区域对应的图像块和非遮挡区域对应的图像块；

对每个图像块进行特征提取，得到每个图像块的第一图像特征；

基于所述每个图像块的第一图像特征，通过自注意力机制进行关系抽取，得到所述遮挡人脸图像的目标图像特征，其中，所述遮挡区域对应的图像块和所述非遮挡区域对应的图像块之间的注意力值为0；

基于所述目标图像特征，对初始人脸识别模型进行训练，得到人脸识别模型，所述人脸识别模型用于对目标遮挡人脸图像进行识别。

根据本发明提供的一种人脸识别模型的训练方法，所述基于所述目标图像特征，对初始人脸识别模型进行训练，得到人脸识别模型，包括：

将每批样本图像各自对应的所述目标图像特征输入所述初始人脸识别模型中的共享分类网络中，以确定第一损失信息；

基于每批样本图像各自对应的所述目标图像特征进行类内样本图像的关系学习，得到类聚合特征，其中，同一类内样本图像中的遮挡人脸图像对应同一个用户；

基于所述类聚合特征，确定第二损失信息；

基于所述第一损失信息和所述第二损失信息，对所述初始人脸识别模型进行训练，得到所述人脸识别模型。

根据本发明提供的一种人脸识别模型的训练方法，所述获取多批样本图像，包括：

采用随机采样和类内采样的方式，从原始样本图像集中获取每批样本图像。

根据本发明提供的一种人脸识别模型的训练方法，所述基于每批样本图像各自对应的所述目标图像特征进行类内样本图像的关系学习，得到类聚合特征，包括：

基于每批样本图像各自对应的所述目标图像特征，通过该批样本图像对应的批自注意力机制确定所述类聚合特征，其中，非类内样本图像之间的注意力值为0。