[发明专利]人脸识别方法、装置、计算机设备和可读存储介质

权利要求书

1.一种人脸识别方法，其特征在于，所述方法包括：

获取待识别的人脸图像；

采用人脸识别模型，对所述人脸图像进行识别，得到人脸识别结果；所述人脸识别模型是采用训练样本集训练得到的；所述训练样本集是将原始样本集中的多个源域图像转换为对应的目标域图像后得到的；所述人脸图像和所述目标域图像具有相同的域类别。

2.根据权利要求1所述的方法，其特征在于，所述人脸识别模型的训练过程包括：

获取所述原始样本集；所述原始样本集包括源域图像和目标域图像，所述原始样本集中源域图像的数量大于所述原始样本集中目标域图像的数量；

将所述原始样本集中的多个源域图像转换为对应的目标域图像，得到所述训练样本集；

采用所述训练样本集训练初始识别模型，训练后得到所述人脸识别模型。

3.根据权利要求2所述的方法，其特征在于，所述将所述原始样本集中的多个源域图像转换为对应的目标域图像，得到所述训练样本集，包括：

获取待转换的源域图像的身份特征和非身份特征，并获取参考目标域图像的身份特征和非身份特征；所述参考目标域图像是所述原始样本集包括的目标域图像中的任一个；

将所述待转换的源域图像的身份特征和所述参考目标域图像的非身份特征进行结合，得到所述待转换的源域图像对应的目标域图像；

将所述原始样本集中待转换的各源域图像分别替换为对应的目标域图像，替换后的得到所述训练样本集。

4.根据权利要求3所述的方法，其特征在于，所述获取待转换的源域图像的身份特征和非身份特征，并获取参考目标域图像的身份特征和非身份特征，包括：

将所述待转换的源域图像输入至不同的编码器网络中，得到所述待转换的源域图像的身份特征和非身份特征；

将所述参考目标域图像输入至不同的编码器网络中，得到所述参考目标域图像的身份特征和非身份特征；

对应地，所述将所述待转换的源域图像的身份特征和所述参考目标域图像的非身份特征进行结合，得到所述待转换的源域图像对应的目标域图像，包括：

将所述待转换的源域图像的身份特征和所述参考目标域图像的非身份特征输入至解码器网络中，得到所述待转换的源域图像对应的目标域图像。

5.根据权利要求4所述的方法，其特征在于，所述将所述待转换的源域图像输入至不同的编码器网络中，得到所述待转换的源域图像的身份特征和非身份特征，包括：

将所述待转换的源域图像分别输入至第一编码器网络和第二编码器网络中，得到所述第一编码器网络输出的所述待转换的源域图像的身份特征、所述第二编码器网络输出的所述待转换的源域图像的非身份特征；

其中，所述第一编码器网络在训练时后接有第一分类网络，所述第一编码器网络的网络参数是根据所述第一分类网络的输出结果进行调整的；所述第二编码器网络在训练时后接有第二分类网络，所述第二编码器网络的网络参数是根据所述第二分类网络的输出结果进行调整的；所述第一分类网络和所述第二分类网络的损失函数不同。

6.根据权利要求5所述的方法，其特征在于，所述将所述待转换的源域图像输入至不同的编码器网络中，得到所述待转换的源域图像的身份特征和非身份特征之后，还包括：

将所述待转换的源域图像的身份特征和非身份特征输入至神经网络中，得到重建图像；

根据所述重建图像与所述待转换的源域图像之间的差别，对所述第一编码器网络和所述第二编码器网络的参数进行调整。

7.根据权利要求5所述的方法，其特征在于，所述第一分类网络的损失函数为交叉熵损失函数，所述第二分类网络的损失函数为重建损失函数、L1范数损失函数或循环一致损失函数中的任一种。