[发明专利]一种人脸属性识别的方法、系统、设备及可读存储介质

说明书

本申请公开了一种人脸属性识别的方法，包括：获取识别模型及待识别图像，并确定识别模型中每类属性对应的感兴趣区域；根据感兴趣区域对待识别图像进行图像像素加权与位置重构处理，得到对应的区域表征图；将区域表征图中每个子区域的特征向量进行串联与降维，得到联合特征向量；根据联合特征向量对第一识别结果进行调整，得到第二识别结果。本申请使得到的联合特征向量具有更好的特征信息，可以有效反映出图像的像素关联信息和人脸信息分布，依据联合特征向量对识别模型得到的第一识别结果进行调整，极大的提高了识别模型在人脸属性识别任务中的准确率。本申请同时还提供了一种人脸属性识别的系统、设备及可读存储介质，具有上述有益效果。

技术领域

本申请涉及人脸属性识别领域，特别涉及一种人脸属性识别的方法、系统、设备及可读存储介质。

背景技术

人脸属性识别是计算机视觉领域的一个热门方向，主要应用在视频监控，人脸门禁等领域。利用人脸属性识别，通常可以完成对性别、年龄、表情、是否戴眼镜等信息的判断，因此在人脸属性识别相关应用中，有很重要的研究意义。

在深度学习技术普及的今天，人脸属性识别获得了很多落地的案例，也取得了巨大的突破，目前主流的做法普遍是目标分类，将预先人工分类的人脸图片，进行训练，获得深度卷积网络。应用中，基于该网络完成分类即人脸属性识别。这一类做法，在图像质量好，人脸遮挡情况不严重的情况下，有较好的准确率，然而，实际应用中经常会出现光照不佳、角度过大、遮挡等情况，导致人脸属性识别的准确率较低。

因此，如何提高人脸属性识别的准确率是本领域技术人员目前需要解决的技术问题。

发明内容

本申请的目的是提供一种人脸属性识别的方法、系统、设备及可读存储介质，用于提高人脸属性识别的准确率。

为解决上述技术问题，本申请提供一种人脸属性识别的方法，该方法包括：

获取识别模型及待识别图像，并确定所述识别模型中每类属性对应的感兴趣区域；

根据所述感兴趣区域对所述待识别图像进行图像像素加权与位置重构处理，得到对应的区域表征图；

将所述区域表征图中每个子区域的特征向量进行串联与降维，得到预设维度的联合特征向量；

利用所述识别模型对所述待识别图像进行人脸属性识别，得到第一识别结果，并根据所述联合特征向量对所述第一识别结果进行调整，得到第二识别结果。

可选的，在确定所述识别模型中每类属性对应的感兴趣区域之后，还包括：

根据所述感兴趣区域对所述识别模型进行训练，以提高所述识别模型的识别精度。

可选的，根据所述感兴趣区域对所述识别模型进行训练，包括：

对训练图像进行图像像素加权与位置重构处理，得到对应的训练区域表征图；

根据所述训练区域表征图对所述识别模型进行训练。

可选的，根据所述感兴趣区域对所述识别模型进行训练，包括：

将训练图像分割为预设数量的网格，并将所述感兴趣区域的网格输出，以使用户将所述感兴趣区域的网格标定为对应的类别；

根据所述感兴趣区域的网格的类别对所述识别模型进行训练。

可选的，确定所述识别模型中每类属性对应的感兴趣区域，包括：

利用属性训练集对所述识别模型中的对应属性进行迭代训练，以确定所述属性训练集中对当前属性响应最高的区域；

确定所述当前属性响应最高的区域为所述当前属性对应的感兴趣区域。