[发明专利]人脸图像相似度的计算方法、装置、设备及存储介质

权利要求书

1.一种人脸图像相似度的计算方法，其特征在于，所述人脸图像相似度的计算方法包括：

获取两帧包含人脸的视频图像，并将所述视频图像输入预置人脸识别模型进行识别，输出所述视频图像中人脸的区域范围；

根据所述区域范围，从所述两帧视频图像中提取出对应的第一人脸图像和第二人脸图像；

将所述第一人脸图像和所述第二人脸图像输入预置注意力检测模型的特征层对所述第一人脸图像和所述第二人脸图像进行图像特征提取，分别得到所述第一人脸图像的第一图像特征和所述第二人脸图像的第二图像特征；

分别对所述第一图像特征和所述第二图像特征进行卷积注意力的计算，得到第一注意力图像特征和第二注意力图像特征；

计算所述第一注意力图像特征和第二注意力图像特征之间的特征相似度，并基于所述特征相似度确定所述第一人脸图像与所述第二人脸图像之间的图像相似度。

2.根据权利要求1所述的人脸图像相似度的计算方法，其特征在于，在所述获取两帧包含人脸的视频图像，并将所述视频图像输入预置人脸识别模型进行识别，输出所述视频图像中人脸的区域范围之前，还包括：

获取多张不同应用场景下的包含人脸的样本图像，并将所述样本图像作为训练样本图像集；

将所述训练样本图像集输入预置的初始人脸识别模型的主干网络，对所述训练样本图像集中的样本图像分别进行人脸特征提取，得到特征集，其中，所述初始人脸识别模型包括主干网络和多个分类网络；

计算所述特征集的特征向量损失函数值，得到多个特征向量损失函数值；

根据所述多个特征向量损失函数值，计算所述初始人脸识别模型的目标损失函数值；

根据所述目标损失函数值对所述主干网络进行迭代更新，直至所述目标损失函数值收敛，得到目标人脸识别模型。

3.根据权利要求1所述的人脸图像相似度的计算方法，其特征在于，所述第一人脸图像和第二人脸图像包含全局图像信息，所述将所述第一人脸图像和所述第二人脸图像输入预置注意力检测模型的特征层对所述第一人脸图像和所述第二人脸图像进行图像特征提取，分别得到所述第一人脸图像的第一图像特征和所述第二人脸图像的第二图像特征包括：

对所述第一人脸图像和所述第二人脸图像进行边缘提取，得到第一边缘图像和第二边缘图像，其中，所述第一边缘图像和所述第二边缘图像所包含边缘图像信息；

将所述全局图像信息和所述边缘图像信息进行融合，得到所述第一人脸图像和所述第二人脸图像中包括目标对象的区域；

对所述区域进行特征提取，得到所述第一人脸图像对应的第一全局特征、第一边缘特征和所述第二边缘图像对应的第二全局特征、第二边缘特征；

对所述第一全局特征和所述第一边缘特征进行特征融合，得到第一人脸图像的第一图像特征，以及对所述第二全局特征和所述第二边缘特征进行特征融合得到所述第二人脸图像的第二图像特征。

4.根据权利要求3所述的人脸图像相似度的计算方法，其特征在于，所述将所述全局图像信息和所述边缘图像信息进行融合，得到所述第一人脸图像和所述第二人脸图像中包括目标对象的区域包括：

通过预置双路特征提取网络对所述第一边缘图像和所述第二边缘图像所包含边缘图像信息进行特征提取，并对所述第一边缘图像和所述第二边缘图像所包含边缘图像信息进行特征提取；

将所述特征提取结果进行加和，得到所述第一人脸图像和所述第二人脸图像中包括目标对象的区域。

5.根据权利要求1所述的人脸图像相似度的计算方法，其特征在于，所述分别对所述第一图像特征和所述第二图像特征进行卷积注意力的计算，得到第一注意力图像特征和第二注意力图像特征包括：

分别对所述第一图像特征和所述第二图像特征进行通道注意力的计算，得到所述图像特征的通道注意力图；

基于注意力机制对所述图像特征和所述通道注意力图合并得到的增强图像特征进行空间注意力计算，得到所述图像特征的空间注意力图；

将所述空间注意力图和所述增强图像特征合并，分别得到所述第一人脸图像的第一注意力图像特征和所述第二人脸图像的第二注意力图像特征。