[发明专利]人脸装饰品识别方法、装置、电子设备及存储介质

说明书

本申请提供一种人脸装饰品识别方法、装置、电子设备及存储介质，涉及图像处理技术领域。该方法包括：通过人脸检测模型获得待识别图像中的人脸图像；通过装饰品识别模型输出所述人脸图像的装饰品的识别结果，所述装饰品识别模型根据不同种类装饰品的形状特征设置有与每种装饰品对应尺寸的卷积层，在每个卷积层输出的特征图上分别设置有大小和长宽比与所述每个特征图对应的锚框。该方法使用物体检测的思想，通过装饰品识别模型中与不同装饰品对应尺寸的卷积层中不同大小和长宽比的锚框，把全方位的装饰品识别，当成多种物体进行检测识别，从而能够对不同大小的人脸装饰品进行类别和大小的识别。

技术领域

本申请涉及图像处理技术领域，具体而言，涉及一种人脸装饰品识别方法、装置、电子设备及存储介质。

背景技术

得益于人工智能的快速发展，基于深度学习提取图像特征，对图像进行各种分析，如检测、定位、识别、分类和分割都成为可能。在金融风控领域，对用户画像和基础数据刻画的越细致和清楚，风险控制才能做的越好。现在主流的方式对非结构化的语音、图像数据并没有做提取和结构化，仅依靠传统的结构化数据进行风控，风险控制效果较差。对语音、图像数据进行结构化，增强用户画像的丰富度是一个能够降低风险的好手段，是一个亟待研究的重大课题。同时，对于金融风控领域的图像结构化，目前大部分方式仅停留在提取人脸，做人脸比对，少部分方式增加了口罩识别，但是对于人像的准确刻画，如耳环、项链、面膜、围巾、帽子、口罩，墨镜和眼镜等并未做分类识别，这些数据对于丰富用户画像很有用，比如一个戴耳环和项链的，与没有佩戴耳环和项链的客户，贷款需要或者贷款偿还能力可能存在差异，再比如戴墨镜/口罩就不让用户做活体识别，再比如戴围巾应该是在一个北方天气冷的情况下申请贷款。同时，结构化后的图像数据不能只看这一个维度，具体可以结合用户结构化的数据一起建模，防止风险，也可以用于对一些用户的精准刻画。

具体地，现有的人像分析技术，常见的只是对人像提取人脸，对人像做口罩等物件的单个识别，并未发现对人像做全方位的装饰品检测，如耳环、项链、面膜、围巾、帽子、口罩、墨镜和眼镜等识别。同时对于墨镜、口罩等单件的识别，大都用的多次分类的方法，如先对图像做墨镜的分类，确定人像里有没有墨镜，再对图像做口罩的分类，看人像里有无口罩，这种实现方式会经过多次模型处理，识别时间特别长，无法对图像做一次性的识别。

发明内容

有鉴于此，本申请实施例的目的在于提供一种人脸装饰品识别方法、装置、电子设备及存储介质，以改善现有技术中存在的无法识别多种人脸装饰品，以及识别时间较长、无法对图像中的多种装饰品做一次性识别的问题。

本申请实施例提供了一种人脸装饰品识别方法，所述方法包括：通过人脸检测模型获得待识别图像中的人脸图像；通过装饰品识别模型输出所述人脸图像的装饰品的识别结果，所述装饰品识别模型根据不同种类装饰品的形状特征设置有与每种装饰品对应尺寸的卷积层，在每个卷积层输出的特征图上分别设置有大小和长宽比与所述每个特征图对应的锚框。

在上述实现方式中，使用物体检测的思想，通过装饰品识别模型中与不同装饰品对应尺寸的卷积层中不同大小和长宽比的锚框，把全方位的装饰品识别，当成多种物体进行检测识别，从而能够对不同大小的人脸装饰品进行类别和大小的识别，提高了人脸图像装饰识别的准确性和适用性。

可选地，在所述通过人脸检测模型获得待识别图像中的人脸图像之前，所述方法还包括：通过OpenCV的imread读取人脸检测训练图像；将所述人脸检测训练图像转换为Pytorch能够解析的指定格式图像；对所述指定格式图像进行数据增广；对数据增广后的所述指定格式图像进行数据标注，所述数据标注包括装饰品标注；采用Pytorch搭建分支前馈神经网络模型；基于数据标注后的所述指定格式图像对所述分支前馈神经网络模型进行训练，以获得所述人脸检测模型。

在上述实现方式中，将人脸检测训练图像转换为Pytorch能够解析的指定格式图像，再进行数据标注作为训练集，以对采用Pytorch搭建分支前馈神经网络模型进行训练获得人脸检测模型，结合开源数据，并进行数据增强，保证了人脸检测模型的抠图准确性。