[发明专利]人脸特征提取模型的训练方法和人脸特征提取方法

权利要求书

1.一种人脸特征提取模型的训练方法，包括：

获取包括人脸的样本图像；

将所述样本图像输入至人脸特征提取模型中，并由所述人脸特征提取模型中的主干网络提取所述样本图像的人脸特征；

获取所述人脸特征对应的协方差矩阵，并根据所述协方差矩阵获取第一损失函数；

根据所述人脸特征进行分类识别，并根据分类识别结果获取第二损失函数；

根据所述第一损失函数和所述第二损失函数调整所述人脸特征提取模型的模型参数，直至满足训练结束条件得到目标人脸特征提取模型。

2.根据权利要求1所述的训练方法，其中，所述根据所述人脸特征，获取所述人脸特征对应的协方差矩阵，并根据所述协方差矩阵获取第一损失函数，包括：

获取所述人脸特征的任一特征维度与其他特征维度之间协方差；

根据所有的所述协方差，生成所述协方差矩阵以及所述协方差矩阵对应的单位矩阵；

根据所述协方差矩阵和所述单位矩阵，获取所述第一损失函数。

3.根据权利要求2所述的训练方法，其中，所述根据所述协方差矩阵和所述单位矩阵，获取所述第一损失函数，包括：

获取所述协方差矩阵与所述单位矩阵之间的差值，并获取所述差值的平方值作为所述第一损失函数。

4.根据权利要求1所述的训练方法，其中，所述根据所述人脸特征进行分类识别，并根据分类识别结果获取第二损失函数，包括：

将所述人脸特征输入至所述人脸特征提取模型中的分类网络，由所述分类网络对所述人脸特征进行分类识别，以获取所述人脸特征的所述分类识别结果；

根据所述分类识别结果和所述样本图像的人脸特征的标记类别，获取所述第二损失函数。

5.根据权利要求4所述的训练方法，其中，所述根据所述人脸特征类别，获取所述第二损失函数，包括：

获取所述人脸特征类别与每个候选人脸特征类别之间的相似度；

根据所述相似度，获取所述人脸特征的所述分类识别结果；

根据所述标记类别和所述分类识别结果，获取交叉熵损失函数作为所述第二损失函数。

6.根据权利要求1-5中任一项所述的训练方法，其中，所述根据所述第一损失函数和所述第二损失函数调整所述人脸特征提取模型的模型参数，包括：

获取所述第一损失函数和所述第二损失函数之和作为目标损失函数；

根据所述目标损失函数，调整所述人脸特征提取模型的所述模型参数。

7.一种人脸特征提取方法，包括：

获取待提取图像；

将所述待提取图像输入至目标人脸特征提取模型，由所述目标人脸特征提取模型输出所述待提取图像的目标人脸特征，其中，所述目标人脸特征提取模型为采用如权利要求1-6任一项所述的训练方法训练出的模型。

8.根据权利要求7所述的提取方法，其中，所述由所述目标人脸特征提取模型输出所述待提取图像的目标人脸特征，包括：

由所述目标人脸特征提取模型中的主干网络提取所述待提取图像的所述目标人脸特征。

9.根据权利要求7或8所述的提取方法，其中，所述获取到所述目标人脸特征之后，还包括：

获取至少一个候选图像以及每个所述候选图像的候选人脸特征；

获取所述目标人脸特征与所有的所述候选人脸特征之间的相似度；

响应于所述相似度达到预设相似度阈值，则确定所述待识别图像对应的人脸与所述候选图像对应的人脸一致。