[发明专利]跨模态人脸识别方法、装置、设备及存储介质

说明书

本申请公开了一种跨模态人脸识别方法、装置、设备及存储介质，所述方法通过采用由可见光人脸预处理图像序列和红外光人脸预处理图像序列训练完成的跨模态人脸识别模型，对待识别的人脸图像进行人脸识别，能够提高对不同模态的摄像头下获取的人脸图像识别的准确率。

技术领域

本申请属于图像处理技术领域，尤其涉及一种跨模态人脸识别方法、装置、设备及存储介质。

背景技术

人脸识别的准确性受周围环境光照的影响较大。常见的人脸识别技术主要是针对不受环境光照影响的近红外摄像头拍摄的人脸图像进行识别。但是，在现实环境中经常会出现光照不均以及光照不佳的情况，这就需要针对在不同模态的摄像头下获取的图像进行识别，而目前的人脸识别技术无法对不同模态的摄像头下获取的图像进行准确性识别。因此，现有技术存在对不同模态的摄像头下获取的人脸图像识别准确率不高的问题。

发明内容

本申请提供了一种跨模态人脸识别方法、装置、设备及存储介质，能够解决对不同模态的摄像头下获取的人脸图像识别准确率不高的问题。

第一方面，本申请提供了一种跨模态人脸识别方法，包括：

采集待识别的人脸图像；

将所述待识别的人脸图像输入预先训练完成的跨模态人脸识别模型进行人脸识别；

其中，所述预先训练完成的跨模态人脸识别模型的训练过程包括：获取第一训练样本集，所述第一训练样本集包括第一预设数量的可见光人脸预处理图像序列和第二预设数量的红外人脸预处理图像序列；

根据所述可见光人脸预处理图像序列以及第一分类损失函数对预设跨模态人脸识别模型进行训练，得到第一跨模态人脸识别模型；

将所述可见光预处理图像序列和所述红外人脸预处理图像序列输入所述第一跨模态人脸识别模型，并基于所述第一分类损失函数对所述第一跨模态人脸识别模型进行再次训练，得到第二跨模态人脸识别模型，所述第二跨模态人脸识别模型为所述预先训练完成的跨模态人脸识别模型。

在一可选的实现方式中，所述跨模态人脸识别模型包括预设数量的卷积层和全连接层；所述卷积层包括用于特征提取的卷积层和用于降维的最大池化层。

在一可选的实现方式中，在所述获取第一训练样本集之前，还包括：

获取所述第一预设数量的可见光人脸图像序列；

对所述可见光人脸图像序列进行像素均衡处理，得到所述可见光人脸预处理图像序列。

在一可选的实现方式中，在所述获取第一训练样本集之前，还包括：

获取所述第二预设数量的红外人脸图像序列；

对所述红外人脸图像序列进行像素均衡处理，得到所述红外人脸预处理图像序列。

在一可选的实现方式中，对所述可见光人脸图像序列进行像素均衡处理，得到所述可见光人脸预处理图像序列，包括：

对所述可见光人脸图像序列转换为灰度图像；

对所述灰度图像进行归一化处理，得到所述红外人脸预处理图像序列。

在一可选的实现方式中，对所述红外人脸图像序列进行像素均衡处理，得到所述红外人脸预处理图像序列，包括：

对所述红外人脸图像序列进行图像对比度增强，得到增强后的红外人脸图像序列；

对增强后的红外人脸图像序列进行归一化处理，得到所述红外人脸预处理图像序列。

在一可选的实现方式中，对所述红外人脸图像序列进行图像对比度增强，得到增强后的红外人脸图像序列，包括：