[发明专利]一种识别方法、装置及电子设备

权利要求书

1.一种识别方法，包括：

获得待识别图像；

将所述待识别图像输入到深度学习模型，确定所述待识别图像中每个面部部位关键点的位置及所述待识别图像中每个像素点的第一参数；

根据所述待识别图像中每个面部部位关键点的位置，确定所述待识别图像是否满足面部完整度条件；

在所述待识别图像满足所述面部完整度条件的情况下，基于所述待识别图像中每个面部部位关键点的位置，确定所述待识别图像中至少一个面部部位组对应的关联区域，所述面部部位组至少包括面部中存在关联的第一面部部位和第二面部部位；

基于所述关联区域中每个所述像素点的第一参数，确定所述待识别图像的遮挡状态。

2.根据权利要求1所述的方法，所述根据所述待识别图像中每个面部部位关键点的位置，确定所述待识别图像是否满足面部完整度条件，包括：

确定所述待识别图像中所述面部部位关键点的位置的个数与设定面部部位关键点位置个数是否匹配。

3.根据权利要求2所述的方法，所述方法还包括：

若所述待识别图像中所述面部部位关键点的位置的个数与设定面部部位关键点位置个数不匹配，则在所述面部部位关键点的位置的个数小于所述设定面部部位关键点位置个数的情况下，确定所述待识别图像为缺失至少部分面部部位的图像；

在所述面部部位关键点的位置的个数大于所述设定面部部位关键点位置个数的情况下，确定所述待识别图像为存在多张面部的图像。

4.根据权利要求2所述的方法，所述方法还包括：

在面部部位关键点的位置的个数与设定面部部位关键点位置个数匹配的情况下，确定所述待识别图像中每两个所述面部部位关键点的位置之间的差异是否在设定范围内。

5.根据权利要求1-4任意一项所述的方法，所述将所述待识别图像输入到深度学习模型，确定所述待识别图像中每个面部部位关键点的位置，包括：

将所述待识别图像输入到深度学习模型，获得所述深度学习模型得到的所述待识别图像中每个像素点的第二参数；

从所述待识别图像中每个像素点的第二参数中，确定分别与各个设定面部部位关键点的第二参数相匹配的目标第二参数；

将所述目标第二参数对应的像素点作为所述待识别图像中的面部部位关键点，将所述目标第二参数对应的像素点在所述待识别图像中的位置作为所述面部部位关键点的位置。

6.根据权利要求1-4任意一项所述的方法，所述基于所述待识别图像中每个面部部位关键点的位置，确定所述待识别图像中至少一个面部部位组对应的关联区域，包括：

基于所述待识别图像中每个面部部位关键点的位置，确定所述待识别图像中至少一个面部部位关键点关联组，所述面部部位关键点关联组至少包括存储关联的第一面部部位关键点和第二面部部位关键点；

基于所述面部部位关键点关联组中面部部位关键点的位置，确定所述面部部位关键点关联组中存在关联的所述第一面部部位关键点和所述第二面部部位关键点之间的关联区域；

基于所述面部部位关键点关联组中存在关联的所述第一面部部位关键点和所述第二面部部位关键点之间的关联区域，确定所述待识别图像中面部部位组对应的关联区域。