[发明专利]人脸识别模型训练方法、人脸识别方法及装置

说明书

本申请提供了一种人脸识别模型训练方法、人脸识别方法及装置。所述人脸识别模型训练方法包括：获取样本人脸图像；根据所述样本人脸图像对初始人脸识别模型进行训练，得到用于对图像中的人脸位置进行检测的预训练人脸识别模型；利用第一训练神经网络模型和第二训练神经网络模型根据所述样本人脸图像对所述预训练识别模型进行二次训练，得到目标人脸识别模型。本申请可以提高畸变的人脸检测效率以及被遮挡的人脸的检测准确率。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种人脸识别模型训练方法、人脸识别方法及装置。

背景技术

金字塔多层级检测网络(如PyramidBox等)的出现使人脸检测达到了一个非常高的性能，但是其金字塔多尺度特征的使用使得计算网络非常复杂，很难在ARM架构的cpu上达到实时检测的效果，因此商用成本非常高。

而且，对于商用鱼眼摄像头边缘地区的畸变的人脸检测的准确率较低，因此，采用金字塔多层级检测网络影响了人脸检测的效率和准确率。

发明内容

本申请提供了一种人脸识别模型训练方法、人脸识别方法及装置，以解决现有技术中采用金字塔多层级检测网络影响人脸检测的效率和准确率的问题。

为了解决上述问题，本申请提供了一种人脸识别模型训练方法，包括：

获取样本人脸图像；

根据所述样本人脸图像对初始人脸识别模型进行训练，得到用于对图像中的人脸位置进行检测的预训练人脸识别模型；

利用第一训练神经网络模型和第二训练神经网络模型根据所述样本人脸图像对所述预训练人脸识别模型进行二次训练，得到目标人脸识别模型。

可选地，所述样本人脸图像对应于一个初始人脸标注框，所述初始人脸识别模型包括：检测模块，

所述根据所述样本人脸图像对初始人脸识别模型进行训练，得到对图像中的人脸位置进行检测的预训练人脸识别模型，包括：

调用所述检测模块对所述样本人脸图像进行识别，得到预测人脸框；

根据所述初始人脸标注框和所述预测人脸框，计算得到所述初始人脸识别模型对应的第一损失值；

在所述第一损失值达到第一初始值的情况下，将训练后的初始人脸识别模型作为所述预训练人脸识别模型。

可选地，所述检测模块包括：第一检测模块、第二检测模块和第三检测模块，

所述调用所述检测模块对所述样本人脸图像进行识别，得到预测人脸框，包括：

调用所述第一检测模块对经处理后包含第一尺寸的人脸特征的样本人脸图像进行识别，得到第一预测人脸框；

调用所述第二检测模块对经处理后包含第二尺寸的人脸特征的样本人脸图像进行识别，得到第二预测人脸框；

调用所述第三检测模块对经处理后包含第三尺寸的人脸特征的样本人脸图像进行识别，得到第三预测人脸框；

其中，所述第一尺寸小于所述第二尺寸，所述第二尺寸小于所述第三尺寸。

可选地，所述根据所述初始人脸标注框和所述预测人脸框，计算得到所述初始人脸识别模型对应的第一损失值，包括：

根据所述初始人脸标注框和所述第一预测人脸框，计算得到所述初始人脸识别模型对应的第一检测损失值；

根据所述初始人脸标注框和所述第二预测人脸框，计算得到所述初始人脸识别模型对应的第二检测损失值；

根据所述初始人脸标注框和所述第三预测人脸框，计算得到所述初始人脸识别模型对应的第三检测损失值。