[发明专利]人脸属性识别方法及装置

权利要求书

1.一种人脸属性识别方法，其特征在于，包括：

获取人脸图像，并提取所述人脸图像中的人脸区域；

将所述人脸区域输入至预设网络模型中，输出所述人脸区域对应的人脸身份及人脸属性；其中，所述预设网络模型包括主体网络模型及由所述主体网络模型分支出来的分支网络模型，所述主体网络模型是基于已标注人脸身份的样本人脸区域训练得到的，所述分支网络模型是基于已标注人脸身份及人脸属性的样本人脸区域训练得到的。

2.根据权利要求1所述的人脸属性识别方法，其特征在于，所述提取所述人脸图像中的人脸区域，包括：

检测所述人脸图像中的关键点，从所述人脸图像中选取以所述关键点为中心的预设范围区域作为所述人脸区域。

3.根据权利要求2所述的人脸属性识别方法，其特征在于，所述关键点为鼻尖，所述预设范围区域为以鼻尖为中心，向上下左右各外扩一半两眼间距的区域。

4.根据权利要求1所述的人脸属性识别方法，其特征在于，所述分支网络模型是基于已标注人脸身份及人脸属性的样本人脸区域，对初始分支网络模型中的参数进行训练后得到的。

5.根据权利要求4所述的人脸属性识别方法，其特征在于，所述将所述人脸区域输入至预设网络模型中，输出所述人脸区域对应的人脸身份及人脸属性之前，还包括：

对于第n次训练过程，更新第n-1次训练过程得到的分支网络模型中的参数，得到第n次训练过程的分支网络模型，计算第n次训练过程的分支网络模型的损失函数值，若第n次训练过程的损失函数值满足预设条件，则停止训练，并将第n次训练过程得到的分支网络模型作为最终的分支网络模型；其中，n为不小于1的正整数，第0次训练过程得到的分支网络模型为所述初始分支网络模型。

6.根据权利要求5所述的人脸属性识别方法，其特征在于，所述损失函数值包括每种人脸属性的分类损失函数值及同一人脸身份下相同人脸属性之间的特征向量差值。

7.根据权利要求1至6中任一项所述的人脸属性识别方法，其特征在于，所述分支网络模型是由所述主体网络模型中的ResNet34网络中第12个残差块分支出来的。

8.一种人脸属性识别装置，其特征在于，包括：

提取模块，用于获取人脸图像，并提取所述人脸图像中的人脸区域；

输出模块，用于将所述人脸区域输入至预设网络模型中，输出所述人脸区域对应的人脸身份及人脸属性；其中，所述预设网络模型包括主体网络模型及由所述主体网络模型分支出来的分支网络模型，所述主体网络模型是基于已标注人脸身份的样本人脸区域训练得到的。

9.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述处理器通信连接的至少一个存储器，其中：

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至7任一所述的方法。

10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令被执行以实现如权利要求1至7任一所述的方法。