[发明专利]特征提取模型训练方法、人脸识别方法、装置、设备及介质

权利要求书

1.一种特征提取模型训练方法，其特征在于，包括：

获取样本数据集，所述样本数据集包含标注有对应身份标签的若干人脸图像，所述若干人脸图像分为被遮挡物部分遮挡的人脸图像、以及未遮挡的人脸图像；

对所述样本数据集进行数据增强处理；

对数据增强处理后的所述样本数据集进行图像截取处理，以根据预设截取规则，随机截取所述样本数据集中各人脸图像的局部区域；

根据图像截取处理后的样本数据集对预先建立的特征提取模型进行训练，得到目标特征提取模型。

2.根据权利要求1所述的特征提取模型训练方法，其特征在于，所述对所述样本数据集进行数据增强处理的步骤包括采用以下方式中的任何一种或多种得到新的人脸图像：

改变所述人脸图像的属性参数；

将所述人脸图像进行翻转；

从部分遮挡的人脸图像中提取遮挡物，并将提取到的遮挡物进行仿射变换后覆盖至未遮挡的人脸图像的对应位置；

学习所述人脸图像的特征，并利用部分遮挡的人脸图像中遮挡区域的特征替换未遮挡的人脸图像中对应区域的特征；

当某部分遮挡的人脸图像和某未遮挡的人脸图像标注有相同的身份标签时，从所述某未遮挡的人脸图像中截取与所述某部分遮挡的人脸图像中遮挡位置对应的图像，并将截取到的图像覆盖至所述某部分遮挡的人脸图像中的遮挡物上。

3.根据权利要求1所述的特征提取模型训练方法，其特征在于，所述根据图像截取处理后的样本数据集对预先建立的特征提取模型进行训练的步骤包括：

将所述人脸图像的局部区域输入所述特征提取模型进行处理，得到所述人脸图像的局部特征；

将所述人脸图像的局部特征输入预先训练的分类器，得到所述人脸图像的身份识别结果；

基于所述人脸图像对应的身份识别结果和身份标签，获取第一损失函数；

根据所述第一损失函数对所述特征提取模型进行迭代训练。

4.根据权利要求3所述的特征提取模型训练方法，其特征在于，在得到所述人脸图像的局部特征后，所述方法还包括：

将所述人脸图像的局部特征输入预设的二分类网络，以得到所述人脸图像是否被遮挡的遮挡判定结果；

基于所述人脸图像的遮挡判定结果和实际遮挡情况，获取第二损失函数；

所述根据所述第一损失函数对所述特征提取模型进行迭代训练的步骤包括：

根据所述第一损失函数和第二损失函数，对所述特征提取模型进行迭代训练。

5.根据权利要求1所述的特征提取模型训练方法，其特征在于，在根据图像截取处理后的样本数据集对预先建立的特征提取模型进行训练之前，所述方法还包括：对所述特征提取模型进行预训练。

6.一种人脸识别方法，其特征在于，该方法包括：

获取目标人脸图像；

利用权利要求1-5任一项得到的所述目标特征提取模型对所述目标人脸图像进行处理，得到所述目标人脸图像对应的特征；

将所述目标人脸图像对应的特征与预设图像库中存储图像的特征进行比对；

根据比对结果获取所述目标人脸图像的身份识别结果。

7.一种特征提取模型训练装置，其特征在于，包括：

样本获取模块，用于获取样本数据集，所述样本数据集包含标注有对应身份标签的若干人脸图像，所述若干人脸图像分为被遮挡物部分遮挡的人脸图像、以及未遮挡的人脸图像；

样本增强模块，用于对所述样本数据集进行数据增强处理；

图像截取模块，用于对数据增强处理后的所述样本数据集进行图像截取处理，以根据预设截取规则，随机截取所述样本数据集中各人脸图像的局部区域；

模型训练模块，用于根据图像截取处理后的样本数据集对预先建立的特征提取模型进行训练，得到目标特征提取模型。