[发明专利]评估人脸识别模型、针对图像的分类模型的方法及装置

权利要求书

1.一种评估人脸识别模型的方法，包括：

获取样本集；所述样本集的每个样本包括两幅人脸图像；

将所述样本集中任意的第一样本中的两幅人脸图像，输入预先训练的人脸识别模型，以预测第一比对结果；其中，所述第一比对结果指示所述两幅人脸图像相一致的概率；

针对所述两幅人脸图像中任意的第一人脸图像，采用热力图生成方法，基于所述第一比对结果以及所述第一人脸图像，生成人脸热力图；其中，所述人脸热力图示出所述第一人脸图像中各个区域对于所述第一比对结果的敏感度；

根据所述人脸热力图，在所述第一人脸图像中确定扰动区域；

采用扰动方法，对所述扰动区域进行扰动，得到扰动后的第一人脸图像；

将所述扰动后的第一人脸图像以及另一幅人脸图像，输入所述人脸识别模型，以预测第二比对结果；其中，所述第二比对结果指示所述扰动后的第一人脸图像与所述另一幅人脸图像相一致的概率；

根据所述样本集中各样本的第一比对结果和第二比对结果，确定所述人脸识别模型的鲁棒性评估结果。

2.根据权利要求1所述的方法，所述人脸识别模型包括具有相同网络结构和参数的两个卷积神经网络CNN；所述CNN至少包括卷积层；

所述将所述样本集中任意的第一样本中的两幅人脸图像，输入预先训练的人脸识别模型，以预测第一比对结果，包括：

将所述两幅人脸图像分别作为所述两个CNN的输入，得到所述两个CNN各自的卷积层的输出结果；

基于所述两个CNN各自的卷积层的输出结果，计算所述两幅人脸图像之间的距离；

基于所述距离，确定所述第一比对结果。

3.根据权利要求2所述的方法，所述采用热力图生成方法，基于所述第一比对结果以及所述第一人脸图像，生成人脸热力图，包括：

获取所述第一人脸图像对应的CNN的卷积层的输出结果；所述输出结果包括m个特征图；其中，每个特征图包含若干像素；m为正整数；

对于所述m个特征图中任意的第一特征图，基于所述第一比对结果，计算所述第一特征图中各像素的梯度，并基于计算的各像素的梯度，确定所述第一特征图的总梯度；所述总梯度用于反映所述第一特征图所对应区域的敏感度；

将对应于所述m个特征图中各特征图的总梯度作为其权重，对所述各特征图进行加权求和，得到若干热力值；

将所述若干热力值各自映射为对应的颜色值，并基于映射得到的颜色值，绘制映射图；

将所述映射图调整到与所述第一人脸图像大小相同后，叠加到所述第一人脸图像中，得到所述人脸热力图。

4.根据权利要求1所述的方法，所述根据所述人脸热力图，在所述第一人脸图像中确定扰动区域，包括：

采用特征点检测算法，在所述第一人脸图像中检测若干关键特征点；

从所述若干关键特征点中，选取落入敏感度大于预定阈值的目标区域的各目标特征点；

基于所述各目标特征点，确定所述第一人脸图像的扰动区域。

5.根据权利要求4所述的方法，所述特征点检测算法包括以下任一种：尺度不变特征变换匹配SIFT算法、加速稳健特征SURF算法、ORB算法以及加速分割测试获得特征FAST算法、openVC算法以及Dlib算法。

6.根据权利要求1所述的方法，所述扰动方法包括以下任一种：光照扰动、颜色扰动、噪声扰动以及运动模糊。

7.根据权利要求1所述的方法，所述根据所述样本集中各样本的第一比对结果和第二比对结果，确定所述人脸识别模型的鲁棒性评估结果，包括：

统计所述样本集中第一比对结果与第二比对结果不相匹配的目标样本的第一数目；

根据所述第一数目与所述样本集中各样本的总数目之比，确定所述人脸识别模型的鲁棒性评估结果。