一种人脸识别方法、终端及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116030508A(43)申请公布日2023.04.28(21)申请号202111234107.9G06V10/77(2022.01)(22)申请日2021.10.22G06V10/74(2022.01)G06V10/764(2022.01)(71)申请人中移(苏州)软件技术有限公司地址215163江苏省苏州市高新区昆仑山路58号1幢中移软件园申请人中国移动通信集团有限公司(72)发明人牛强(74)专利代理机构北京派特恩知识产权代理有限公司11270专利代理师蒋雅洁张颖玲(51)Int.Cl.G06V40/16(2022.01)G06V10/766(2022.01)G06V10/774(2022.01)G06V10/778(2022.01)权利要求书1页说明书14页附图5页(54)发明名称一种人脸识别方法、终端及存储介质(57)摘要本申请实施例公开了一种人脸识别方法、终端及存储介质，终端根据谱图模型和回归模型构建初始识别模型；利用训练数据集对初始识别模型进行训练处理，获得目标识别模型；根据目标识别模型对待检测人脸图像进行人脸识别处理，获得人脸识别结果，从而具备更优的特征提取效果和人脸识别效果。CN116030508ACN116030508A权利要求书1/1页1.一种人脸识别方法，其特征在于，所述方法包括：根据谱图模型和回归模型构建初始识别模型；利用训练数据集对所述初始识别模型进行训练处理，获得目标识别模型；根据所述目标识别模型对待检测人脸图像进行人脸识别处理，获得人脸识别结果。2.根据权利要求1所述的方法，其特征在于，基于L21范数构建所述回归模型。3.根据权利要求2所述的方法，其特征在于，所述利用训练数据集对所述初始识别模型进行训练处理，获得目标识别模型，包括：基于所述训练数据集和所述初始识别模型进行交替迭代计算处理，获得所述目标识别模型。4.根据权利要求1所述的方法，其特征在于，所述利用训练数据集对所述初始识别模型进行训练处理，获得目标识别模型之前，所述方法还包括：对初始数据集进行预处理，获得所述训练数据集。5.根据权利要求1所述的方法，其特征在于，所述根据所述目标识别模型对待检测人脸图像进行人脸识别处理，获得人脸识别结果，包括：将所述待检测人脸图像输入所述目标识别模型，获得第一特征信息；将所述第一特征信息输入目标分类器，获得所述人脸识别结果。6.根据权利要求5所述的方法，其特征在于，所述将所述第一特征信息输入目标分类器，获得所述人脸识别结果，包括：获取预设特征数据集中的多个第二特征信息；基于所述目标分类器，分别确定所述第一特征信息和所述多个第二特征信息之间的相似度参数，并根据所述相似度参数获得所述人脸识别结果。7.根据权利要求1或5所述的方法，其特征在于，所述根据所述目标识别模型对待检测人脸图像进行人脸识别处理，获得人脸识别结果之前，所述方法还包括：根据第三特征信息对初始分类器进行训练处理，获得所述目标分类器；其中，所述第三特征信息为所述训练数据集对应的特征信息。8.一种终端，其特征在于，所述终端包括构建单元、训练单元以及识别单元，所述构建单元，用于根据谱图模型和回归模型构建初始识别模型；所述训练单元，用于利用训练数据集对所述初始识别模型进行训练处理，获得目标识别模型；所述识别单元，用于根据所述目标识别模型对待检测人脸图像进行人脸识别处理，获得人脸识别结果。9.一种终端，其特征在于，所述终端还包括处理器、存储有所述处理器可执行指令的存储器，当所述指令被所述处理器执行时，实现如权利要求1‑7任一项所述的方法。10.一种计算机可读存储介质，其上存储有程序，应用于终端中，所述程序被处理器执行时，实现如权利要求1‑7任一项所述的方法。2CN116030508A说明书1/14页一种人脸识别方法、终端及存储介质技术领域[0001]本发明计算机视觉技术领域，尤其涉及一种人脸识别方法、终端及存储介质。背景技术[0002]人脸识别主要包括人脸检测，特征提取以及人脸分类三个过程；其中，特征提取是人脸识别过程中一个至关重要的环节。[0003]目前，实现特征提取的算法模型主要是基于流形结构的学习机制建立的，在进行模型训练时，通常是先确定谱图模型，然后再根据谱图模型进行训练获得回归模型；可见，回归模型是根据谱图模型确定的，由此获得的回归模型的性能很大程度上由谱图模型的结构所决定，而回归模型却不能影响谱图模型，以获得更好的谱图描述，从而导致获得的算法模型在特征提取方面的效果较差。发明内容[0004]本申请实施例提供了一种人脸识别方法、终端及存储介质，具备更优的特征提取效果和人脸识别效果。[0005]本申请实施例的技术方案是这样实现的：[0006]第一方面，本申请实施例提供了一种人脸识