[发明专利]一种跨年龄人脸识别模型训练方法、识别方法及装置

权利要求书

1.一种跨年龄人脸识别模型训练方法，其特征在于，包括：

获取训练人脸图像集，所述训练人脸图像集至少包括属于同一人不同年龄的第一人脸图像和第二人脸图像，以及人脸标识信息不同于所述第一人脸图像、第二人脸图像的第三人脸图像；

对所述训练人脸图像集进行特征提取，获得与所述第一人脸图像对应的第一年龄特征向量，与所述第二人脸图像对应的第二年龄特征向量，以及与所述第三人脸图像对应的第三年龄特征向量；

调取年龄特征数据库中的所有标准年龄特征向量，根据所述第一年龄特征向量、第二年龄特征向量、第三年龄特征向量和标准年龄特征向量，计算得到年龄特征总损失值；

根据所述第一年龄特征向量、第二年龄特征向量、第三年龄特征向量，计算得到跨年龄人脸特征损失值；

根据所述年龄特征总损失值、跨年龄人脸特征损失值对基础跨年龄人脸识别模型进行迭代更新，直至达到预设的迭代终止条件，获得最终跨年龄人脸识别模型。

2.根据权利要求1所述的方法，其特征在于，所述对所述训练人脸图像集进行特征提取，获得与所述第一人脸图像对应的第一年龄特征向量，与所述第二人脸图像对应的第二年龄特征向量，以及与所述第三人脸图像对应的第三年龄特征向量，包括：

将所述训练人脸图像集输入预设的残差神经网络，输出与所述第一人脸图像对应的第一人脸特征图，与所述第二人脸图像对应的第二人脸特征图，以及与所述第三人脸图像对应的第三人脸特征图；

分别对所述第一人脸特征图、第二人脸特征图和第三人脸特征图进行三次卷积运算或者一次池化处理，获得与所述第一人脸特征图对应的第一特征向量，与所述第二人脸特征图对应的第二特征向量，以及与所述第三人脸特征图对应的第三特征向量；

分别对所述第一特征向量、第二特征向量和第三特征向量进行特征分离，获得与所述第一特征向量对应的第一年龄特征向量，与所述第二特征向量对应的第二年龄特征向量，以及与所述第三特征向量对应的第三年龄特征向量。

3.根据权利要求2所述的方法，其特征在于，所述对所述第一特征向量、第二特征向量和第三特征向量进行特征分离，获得与所述第一特征向量对应的第一年龄特征向量，与所述第二特征向量对应的第二年龄特征向量，以及与所述第三特征向量对应的第三年龄特征向量，包括：

分别对所述第一特征向量、第二特征向量和第三特征向量进行降维处理，得到与所述第一特征向量对应的第一降维向量，与所述第二特征向量对应的第二降维向量，与所述第三特征向量对应的第三降维向量；

将所述第一降维向量、第二降维向量和第三降维向量分别输入分类器，输出与所述第一降维向量对应的第一分类结果，与所述第二降维向量对应的第二分类结果，以及与所述第三降维向量对应的第三分类结果；

根据所述第一特征向量和第一分类结果，计算得到第一年龄特征向量；

根据所述第二特征向量和第二分类结果，计算得到第二年龄特征向量；

根据所述第三特征向量和第三分类结果，计算得到第三年龄特征向量。

4.根据权利要求1所述的方法，其特征在于，所述根据所述第一年龄特征向量、第二年龄特征向量、第三年龄特征向量和所有标准年龄特征向量，计算得到年龄特征总损失值，包括：

根据所述第一年龄特征向量与所有标准年龄特征向量，计算得到第一年龄特征损失值；

根据所述第二年龄特征向量与所有标准年龄特征向量，计算得到第二年龄特征损失值；

根据所述第三年龄特征向量与所有标准年龄特征向量，计算得到第三年龄特征损失值；

根据所述第一年龄特征损失值、第二年龄特征损失值和第三年龄特征损失值，计算得到年龄特征总损失值。

5.根据权利要求4所述的方法，其特征在于，所述根据所述第一年龄特征向量与所有标准年龄特征向量，计算得到第一年龄特征损失值，包括：

分别计算所述第一年龄特征向量与每一所述标准年龄特征向量之间的相似度，所述相似度包括所述第一年龄特征向量和与其对应的真实年龄一致的标准年龄特征向量之间的对应相似度，以及所述第一年龄特征向量和与其对应的真实年龄不一致的标准年龄特征向量之间的非对应相似度；

根据所述对应相似度和非对应相似度，计算得到第一年龄特征损失值。