[发明专利]人脸属性识别方法、装置、电子设备及存储介质

权利要求书

1.一种人脸属性识别方法，其特征在于，所述方法包括：

获取待识别人脸图像；

基于预先训练的人脸检测模型检测所述待识别人脸图像以获得多个子图像数据；每个所述子图像数据包含所述待识别人脸图像的有效人脸区域和所述有效人脸区域对应的人脸质量评分；所述人脸检测模型的训练过程包括人脸有效区域检测阶段和人脸质量评分阶段；

其中，所述人脸有效区域检测阶段得到的有效人脸区域是人脸质量评分阶段的输入；所述人脸有效区域检测阶段使用第一损失函数进行训练；所述人脸质量评分阶段包含第一阶段和第二阶段，所述第一阶段位于所述第二阶段之前，且所述第一阶段的训练时长大于所述第二阶段的训练时长；所述第一阶段采用第二损失函数进行目标区分，以降低对网络信息的消耗，所述第二阶段采用第三损失函数进行精细化的评分，以提高人脸评分的可信度；

将人脸质量评分大于或等于质量评分阈值时对应的子图像数据输入预先训练的属性识别模型中，通过所述属性识别模型的多个属性提取层获取所述待识别人脸图像对应的多个属性信息。

2.根据权利要求1所述的人脸属性识别方法，其特征在于，在所述获取待识别人脸图像的步骤之前，所述方法还包括：

获取多个人脸图像样本和每个所述人脸图像样本对应的属性训练数据集；

基于所述多个人脸图像样本、所述第一损失函数、所述第二损失函数和所述第三损失函数对人脸检测模型进行训练；

根据训练后的人脸检测模型获得每个所述人脸图像样本对应的多个子图像训练数据；

基于每个所述人脸图像样本对应多个子图像训练数据和属性训练数据集对所述属性识别模型进行训练。

3.根据权利要求2所述的人脸属性识别方法，其特征在于，所述基于所述多个人脸图像样本、所述第一损失函数、所述第二损失函数和所述第三损失函数对人脸检测模型进行训练的步骤，包括：

对每个所述人脸图像样本进行有效人脸区域预测，直至所述第一损失函数收敛；

对预测的所述有效人脸区域进行人脸质量评分直至所述第二损失函数和所述第三损失函数收敛。

4.根据权利要求2或3所述的人脸属性识别方法，其特征在于，所述第一损失函数为giouloss；所述第二损失函数为focalloss；所述第三损失函数为ohemloss。

5.根据权利要求2所述的人脸属性识别方法，其特征在于，所述基于每个所述人脸图像样本对应多个子图像训练数据和属性训练数据集对所述属性识别模型进行训练的步骤，包括：

根据每个人脸图像样本对应的多个子图像训练数据获取多个属性预测值；

根据每个人脸图像样本对应的多个属性的预测值与属性数据集获得所述多个属性的损失值；

根据所述多个人脸图像样本对应的属性损失值对所述属性识别模型进行参数调整，直至所述多个人脸图像样本对应的属性损失值小于或等于阈值。

6.一种人脸属性识别装置，其特征在于，包括：获取模块、检测模块和识别模块；

所述获取模块，用于获取待识别人脸图像；

所述检测模块，用于基于预先训练的人脸检测模型检测所述待识别人脸图像以获得多个子图像数据；每个所述子图像数据包含所述待识别人脸图像的有效人脸区域和所述有效人脸区域对应的人脸质量评分；所述人脸检测模型的训练过程包括人脸有效区域检测阶段和人脸质量评分阶段；其中，所述人脸有效区域检测阶段得到的有效人脸区域是人脸质量评分阶段的输入；所述人脸有效区域检测阶段使用第一损失函数进行训练；所述人脸质量评分阶段包含第一阶段和第二阶段，所述第一阶段位于所述第二阶段之前，且所述第一阶段的训练时长大于所述第二阶段的训练时长；所述第一阶段采用第二损失函数进行目标区分，以降低对网络信息的消耗，所述第二阶段采用第三损失函数进行精细化的评分，以提高人脸评分的可信度；

所述识别模块，用于将人脸质量评分大于或等于质量评分阈值时对应的子图像数据输入预先训练的属性识别模型中，通过所述属性识别模型的多个属性提取层获取所述待识别人脸图像对应的多个属性信息。