[发明专利]分数调制方法、人脸识别方法、装置及介质

说明书

本发明涉及人脸识别技术领域，具体涉及分数调制方法、人脸识别方法以及相应的装置。旨在解决目前阈值设置不便、不同领域的识别模型应用到其他领域不能达到预期效果的问题。为此，本发明的分数调制方法，通过少量的训练数据构建分数调制模型，对不同领域的人脸图像的比对分数进行调制，使调制后的分数处于相同的分布，对不同领域人脸特征比对结果进行分数补偿，不同领域人脸特征的比对使用补偿后的分数可以保持分数分布的一致，便于使用过程中阈值的设置且能在不同领域的人脸图像中达到预期且稳定的误警率和通过率指标，提升了人脸识别技术在实际场景中应用的性能和用户体验。

技术领域

本发明涉及人脸识别技术领域，具体涉及一种分数调制方法、人脸识别方法、装置、介质以及终端设备。

背景技术

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。人脸识别在现实生活中有很广的应用前景。如安保门禁系统、公安刑侦破案、摄像监视系统、网络应用、身份辨识、支付系统中均需用到人脸识别。

现有的人脸识别技术主要通过计算待识别人员的人脸图像与存储在数据库中的各个注册用户的人脸图像之间的匹配度来进行人脸识别。对于以比对分数表示的匹配度而言，分数越高表示匹配度就越高。如果表示匹配度的分数大于或等于某一阈值，则认为待识别人员与存储在数据库中的相应的用户是同一个人。

但现有的基于大量数据训练的人脸识别技术，往往存在偏见的问题。由于训练数据往往是有偏见的：1)人种集中，比如公开的大规模人脸数据集MS1M主要集中于欧美人；2)年龄集中，比如成年人；3)场景集中，比如网络高清图片等等。因此，这些数据训练出来的人脸特征模型也带有偏见。具体表现在以下两个方面：1)对非主要领域的人脸图像识别效果较差；2)不同领域的人脸图像的比对分数分布差异大。其中“领域”是指按照不同的人种、年龄、场景等进行划分的人脸识别的应用领域。由于人脸数据量大，采集、标注比较困难，很难从人脸特征模型的训练数据方面做到平衡以解决上述问题。

并且，对于不同领域的人脸图像的比对分数分布差异大的情形，如果在实际人脸识别中使用统一的阈值，则在该阈值下，不同领域的人脸比对结果将会表现出不同的陌生人误警率和注册人员通过率，任何单一的阈值都很难达到其预想的误警率和通过率指标，其表现往往为在一些领域上性能尚可，但在另一些领域上性能很差，极大的影响人脸识别技术的识别效果。同时，这也增加了用户设置阈值的难度，用户只能根据人的直观感受来不断调整阈值，用户体验差。

发明内容

本发明的目的是提供一种分数调制方法、人脸识别方法、装置、介质以及终端设备，以解决或部分地解决如何通过比对分数调制而设置比对阈值，以使得所述阈值设置更容易且满足不同领域的人脸识别的技术问题。

第一方面，本发明提供一种人脸识别中的分数调制方法，包括：获取每个领域中的多个不同人脸特征向量之间经过两两比对的相似度分数；在每个领域中选取多对人脸特征向量对应的相似度分数作为样本点，获取每个领域的每一样本点在所有领域中的相对目标比对分数，以及根据样本点对应的相似度分数和所述目标比对分数计算出各领域中每一样本点对应的分数偏移量；由各领域对应的样本点以及各样本点对应的分数偏移量形成训练样本集合，以所述训练样本集合中的人脸特征向量对作为输入、所述人脸特征向量对所对应的分数偏移量作为输出，训练分数调制模型M，以在人脸识别时通过训练好的所述分数调制模型M进行相似度分数调制。

其中，所述目标比对分数的获取过程包括：基于每个领域对应的相似度分数构成领域分布，以及基于所有领域合并的不同人脸特征向量之间的相似度分数构成目标分布；针对每一领域，查找出各样本点对应在所述领域分布中的相对位置，以及基于所述相对位置查找出各样本点在所述目标分布中具有相同相对位置对应的目标比对分数。