[发明专利]基于二维人脸图像的种族判断方法、装置、介质及设备

权利要求书

1.一种基于二维人脸图像的种族判断方法，其特征在于，所述方法包括：

使用人脸检测和关键点定位方法，获得人脸图像的关键点；

将关键点对齐到指定的坐标位置，在对齐后的图像上，截取指定宽度和指定高度的图像，并进行归一化，得到脸部图像；

将脸部图像输入卷积神经网络，提取脸部特征，并对所述脸部特征进行多元回归，得到黑色人种、白色人种和黄色人种的概率。

2.根据权利要求1所述的基于二维人脸图像的种族判断方法，其特征在于，所述卷积神经网络包括依次连接的第一提取模块、第二提取模块、第三提取模块、第四提取模块、第五提取模块、第六提取模块、第七提取模块、第八提取模块、第九提取模块和第十提取模块；

所述脸部图像依次经过第一提取模块至第十提取模块，并经过一个池化层和InnerProduct层，得到所述脸部特征；

其中，所述第一提取模块包括若干卷积层、激活层和Eltwise层；所述第二提取模块包括若干卷积层、BN层、池化层、Concat层和Eltwise层；所述第三提取模块至第十提取模块均包括若干卷积层、池化层、Concat层和Eltwise层。

3.根据权利要求2所述的基于二维人脸图像的种族判断方法，其特征在于，在第二提取模块至第十提取模块中，当前提取模块输入的特征图经过多个分支处理，得到多个分支特征图；将所有分支特征图和输入的特征图整体中的一部分进行Concat操作，得到Concat特征图，将所有分支特征图和输入的特征图整体中的另一部分与Concat特征图进行Eltwise操作，得到输出的特征图，作为下一个提取模块的输入。

4.根据权利要求1-3任一所述的基于二维人脸图像的种族判断方法，其特征在于，所述卷积神经网络训练的损失函数为交叉熵损失；在训练时，对训练集中的样本进行数据扩充，所述数据扩充包括对样本进行平移、旋转或随机亮度调整。

5.一种基于二维人脸图像的种族判断装置，其特征在于，所述装置包括：

人脸检测和关键点定位模块，用于使用人脸检测和关键点定位方法，获得人脸图像的关键点；

脸部图像获取模块，用于将关键点对齐到指定的坐标位置，在对齐后的图像上，截取指定宽度和指定高度的图像，并进行归一化，得到脸部图像；

种族判断模块，用于将脸部图像输入卷积神经网络，提取脸部特征，并对所述脸部特征进行多元回归，得到黑色人种、白色人种和黄色人种的概率。

6.根据权利要求5所述的基于二维人脸图像的种族判断装置，其特征在于，所述卷积神经网络包括依次连接的第一提取模块、第二提取模块、第三提取模块、第四提取模块、第五提取模块、第六提取模块、第七提取模块、第八提取模块、第九提取模块和第十提取模块；

所述脸部图像依次经过第一提取模块至第十提取模块，并经过一个池化层和InnerProduct层，得到所述脸部特征；

其中，所述第一提取模块包括若干卷积层、激活层和Eltwise层；所述第二提取模块包括若干卷积层、BN层、池化层、Concat层和Eltwise层；所述第三提取模块至第十提取模块均包括若干卷积层、池化层、Concat层和Eltwise层。

7.根据权利要求6所述的基于二维人脸图像的种族判断装置，其特征在于，在第二提取模块至第十提取模块中，当前提取模块输入的特征图经过多个分支处理，得到多个分支特征图；将所有分支特征图和输入的特征图整体中的一部分进行Concat操作，得到Concat特征图，将所有分支特征图和输入的特征图整体中的另一部分与Concat特征图进行Eltwise操作，得到输出的特征图，作为下一个提取模块的输入。

8.根据权利要求5-7任一所述的基于二维人脸图像的种族判断装置，其特征在于，所述卷积神经网络训练的损失函数为交叉熵损失；在训练时，对训练集中的样本进行数据扩充，所述数据扩充包括对样本进行平移、旋转或随机亮度调整。