[发明专利]人脸特征提取方法、低分辨率人脸识别方法及设备

权利要求书

1.一种人脸特征提取方法，其特征是：包括以下步骤：

P1、获取待处理人脸图像，获取训练好的特征提取网络，所述特征提取网络包括顺次连接的放大子网和特征变换子网，所述放大子网包括顺次连接的初始特征提取模块、GTFB模块、瓶颈层和放大模块；

P2、将所述待处理人脸图像输入所述初始特征提取模块，得到第一特征图；

P3、所述第一特征图顺次经过多个所述GTFB模块，通过所述GTFB模块进一步提取所述第一特征图的特征；

P4、提取每一个所述GTFB模块输出的特征图，将所有所述GTFB模块输出的特征图拼接起来，然后输入所述瓶颈层降低通道数量后，得到第二特征图；

P5、将所述第二特征图输入所述放大模块，通过所述放大模块增大所述第二特征图的尺寸，得到过渡特征图；

P6、将所述过渡特征图输入所述特征变换子网，所述特征变换子网对所述过渡特征图进行特征变换后，输出一维的目标特征向量，完成特征提取；

所述放大子网设有WSA注意力模块，所述WSA注意力模块的数学模型为：

F_R＝[δ_b0(f_b0(R₀)),δ_b1(f_b1(R₁)),…,δ_bm(f_bm(R_m))]

F_wsa＝σ(f_w(F_R))

X＝g(T,F_wsa)

其中，R₀代表所述第一特征图，R₁代表第一个所述GTFB模块输出的特征图，R_m代表第m个所述GTFB模块输出的特征图，R₀、R₁、...、R_m作为所述WSA注意力模块的输入，f_b0、f_b1...f_bm和f_w均表示卷积核大小为1*1的卷积操作，δ_b0、δ_b1...δ_bm均为ReLU激活函数，[·]表示对其中的特征图进行拼接操作，σ表示sigmoid激活函数，F_wsa表示所述WSA注意力模块生成的空间注意力图，T表示所述第二特征图，g(T,F_wsa)表示将所述空间注意力图与所述第二特征图做乘法操作，X表示所述空间注意力图与所述第二特征图融合后生成的特征图。

2.根据权利要求1所述的人脸特征提取方法，其特征是：所述GTFB模块的数学模型为：

F₁＝δ₁(f_d(L_n-1))

F₂＝δ₂(f₃(L_n-1))

F₃＝δ₃(f₅(L_n-1))

F₄＝δ₄(f₁₁(F₁+F₂))

L_n＝δ₅(f₁₂([F₂,F₃,F₄]))+L_n-1

其中，L_n-1表示输入所述GTFB模块的特征图，L_n表示所述GTFB模块输出的特征图，f_d表示卷积核大小为3*3的可变形卷积操作，f₃表示卷积核大小为3*3的卷积操作，f₅表示卷积核大小为5*5的卷积操作，f₁₁和f₁₂均表示卷积核大小为1*1的卷积操作，δ₁、δ₂、δ₃、δ₄和δ₅均代表ReLU激活函数，[·]表示对其中的特征图在通道方向上进行拼接操作。