[发明专利]一种面部识别方法、系统及相关装置

权利要求书

1.一种面部识别方法，其特征在于，包括：

获取可见光图像数据集；

根据所述可见光图像数据集训练得到可见光人脸识别模型；

对所述可见光人脸识别模型剪枝得到剪枝模型；

对所述剪枝模型进行迁移学习训练和模拟量化训练，得到近红外模型；

利用所述近红外模型提取待识别图像得到面部特征。

2.根据权利要求1所述的面部识别方法，其特征在于，对所述可见光人脸识别模型剪枝得到剪枝模型包括：

根据所述可见光人脸识别模型确定对应的深度神经网络模型和模型参数；

确定所述深度神经网络模型各个通道的通道选择向量；

利用预设目标损失函数对各所述通道选择向量和所述模型参数进行优化，将优化后通道选择向量的向量元素为0的通道作为冗余通道；

剪除所述冗余通道，得到剪枝模型。

3.根据权利要求1所述的面部识别方法，其特征在于，对所述剪枝模型进行迁移学习训练和模拟量化训练，得到近红外模型包括：

提取所述剪枝模型的激活量尺度文件；

根据预设函数模型分别确定可见光和近红外数据集各自对应的目标函数；

载入所述激活量尺度文件，利用两个目标函数对所述剪枝模型的模型权重训练，并在训练时减少可见光对所述模型权重的影响因子，提高近红外对所述模型权重的影响因子；

当可见光对所述模型权重的影响因子降至0时，得到近红外模型。

4.根据权利要求3所述的面部识别方法，其特征在于，提取所述剪枝模型的激活量尺度文件包括：

根据所述剪枝模型的激活值量化目标值分布与激活值分布的相似度提取所述剪枝模型的激活量尺度文件。

5.一种面部识别系统，其特征在于，包括：

获取模块，用于获取可见光图像数据集；

第一训练模块，用于根据所述可见光图像数据集训练得到可见光人脸识别模型；

剪枝模块，用于对所述可见光人脸识别模型剪枝得到剪枝模型；

第二训练模块，用于对所述剪枝模型进行迁移学习训练和模拟量化训练，得到近红外模型；

特征提取模块，用于利用所述近红外模型提取待识别图像得到面部特征。

6.根据权利要求5所述的面部识别系统，其特征在于，所述剪枝模块包括：

第一确定单元，用于根据所述可见光人脸识别模型确定对应的深度神经网络模型和模型参数；

第二确定单元，用于确定所述深度神经网络模型各个通道的通道选择向量；

优化单元，用于利用预设目标损失函数对各所述通道选择向量和所述模型参数进行优化，将优化后通道选择向量的向量元素为0的通道作为冗余通道；

剪枝单元，用于剪除所述冗余通道，得到剪枝模型。

7.根据权利要求5所述的面部识别系统，其特征在于，所述第二训练模块包括：

提取单元，用于提取所述剪枝模型的激活量尺度文件；

目标函数确定单元，用于根据预设函数模型分别确定可见光和近红外数据集各自对应的目标函数；

调节单元，用于载入所述激活量尺度文件，利用两个目标函数对所述剪枝模型的模型权重训练，并在训练时减少可见光对所述模型权重的影响因子，提高近红外对所述模型权重的影响因子；

模型生成单元，用于当可见光对所述模型权重的影响因子降至0时，得到近红外模型。

8.根据权利要求7所述的面部识别系统，其特征在于，所述提取单元为用于根据所述剪枝模型的激活值量化目标值分布与激活值分布的相似度提取所述剪枝模型的激活量尺度文件的单元。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-4任一项所述的面部识别方法的步骤。

10.一种面部识别设备，其特征在于，包括存储器和处理器，所述存储器中存有计算机程序，所述处理器调用所述存储器中的计算机程序时实现如权利要求1-4任一项所述的面部识别方法的步骤。