[发明专利]模型生成方法、人脸识别方法、系统、设备和介质

权利要求书

1.一种模型生成方法，其特征在于，所述模型生成方法包括：

获取样本人脸的标准化图像；

将样本人脸的标准化图像输入至采用DropBlock正则化机制及采用联合裕度损失函数的Inception-ResNet模型中进行训练，以生成人脸特征提取模型。

2.如权利要求1所述的模型生成方法，其特征在于，所述获取样本人脸的标准化图像的步骤包括：

获取样本人脸的原始图像；

通过级联多任务卷积神经网络模型检测所述样本人脸的原始图像，以得到所述样本人脸的原始图像的面部关键点；

基于所述样本人脸的原始图像的面部关键点与标准图像的面部关键点对所述样本人脸的原始图像进行相似变换，以得到所述样本人脸的第一图像；

将所述第一图像进行随机亮度、对比度和饱和度预处理，以得到所述样本人脸的标准化图像。

3.如权利要求1所述的模型生成方法，其特征在于，采用DropBlock正则化机制的Inception-ResNet模型中进行训练的步骤包括：

通过伯努利函数，随机对Inception-ResNet模型中的输出激活层进行采样，以得到位置矩阵；

以所述位置矩阵中的每一个元素为中心，建立边长为预设阈值的方形区域；

将所述方形区域的像素值设置为0；

对所述输出激活层进行归一化。

4.一种人脸识别方法，其特征在于，所述人脸识别方法包括：

获取待识别的标准化的人脸图像和所述待识别的标准化的人脸图像对应的比对图像；

将所述待识别的标准化的人脸图像及所述比对图像输入至人脸特征提取模型中，以得到第一特征空间向量和第二特征空间向量；所述第一特征空间向量为待识别的标准化的人脸图像对应的特征空间向量；所述第二特征空间向量为所述比对图像对应的特征空间向量；

所述人脸特征提取模型使用如权利要求1至3任一项所述的人脸识别模型的生成方法生成；

基于所述第一特征空间向量和所述第二特征空间向量，计算余弦距离；

判断所述余弦距离是否小于预设阈值，若是，则确定所述标准化的人脸图像与所述比对图像相似；若否，则确定所述标准化的人脸图像与所述比对图像不相似。

5.一种模型生成系统，其特征在于，所述模型生成系统包括：

第一获取模块，用于获取样本人脸的标准化图像；

第一输入模块，用于将样本人脸的标准化图像输入至采用DropBlock正则化机制及采用联合裕度损失函数的Inception-ResNet模型中进行训练，以生成人脸特征提取模型。

6.如权利要求5所述的模型生成系统，其特征在于，所述第一获取模块包括：

第一获取单元，用于获取样本人脸的原始图像；

检测单元，用于通过级联多任务卷积神经网络模型检测所述样本人脸的原始图像，以得到所述样本人脸的原始图像的面部关键点；

变换单元，用于基于所述样本人脸的原始图像的面部关键点与标准图像的面部关键点对所述样本人脸的原始图像进行相似变换，以得到所述样本人脸的第一图像；

预处理单元，用于将所述第一图像进行随机亮度、对比度和饱和度预处理，以得到所述样本人脸的标准化图像。

7.如权利要求5所述的模型生成系统，其特征在于，所述第一输入模块包括：

采样单元，用于通过伯努利函数,随机对Inception-ResNet模型中的输出激活层进行采样，以得到位置矩阵；

建立单元，用于以所述位置矩阵中的每一个元素为中心，建立边长为预设阈值的方形区域；

设置单元，用于将所述方形区域的像素值设置为0；

归一单元，用于对所述输出激活层进行归一化。