人脸识别方法和装置、处理器及电子设备.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115830677A(43)申请公布日2023.03.21(21)申请号202211510753.8(22)申请日2022.11.29(71)申请人中国工商银行股份有限公司地址100140北京市西城区复兴门内大街55号(72)发明人张锦元林晓锐刘唱左金柱(74)专利代理机构北京康信知识产权代理有限责任公司11240专利代理师黄海英(51)Int.Cl.G06V40/16(2022.01)G06V10/82(2022.01)权利要求书2页说明书11页附图4页(54)发明名称人脸识别方法和装置、处理器及电子设备(57)摘要本申请公开了一种人脸识别方法和装置、处理器及电子设备，涉及人工智能技术领域。该方法包括：获取初始人脸图像，并对所述初始人脸图像进行预处理，得到灰度人脸图像；将所述灰度人脸图像输入到图像重构模型中，得到对抗人脸图像，其中，所述图像重构模型由特征选择网络和人脸重构网络构成；通过人脸识别模型对对抗人脸图像进行人脸识别，确定所述初始人脸图像对应的目标对象。通过本申请，解决了相关技术中通过大量的人脸对抗样本对人脸识别模型进行对抗训练，导致人脸识别模型泛化能力不足，进而造成人脸识别准确度比较低的问题。CN115830677ACN115830677A权利要求书1/2页1.一种人脸识别方法，其特征在于，包括：获取初始人脸图像，并对所述初始人脸图像进行预处理，得到灰度人脸图像；将所述灰度人脸图像输入到图像重构模型中，得到对抗人脸图像，其中，所述图像重构模型由特征选择网络和人脸重构网络构成；通过人脸识别模型对对抗人脸图像进行人脸识别，确定所述初始人脸图像对应的目标对象。2.根据权利要求1所述的方法，其特征在于，对所述初始人脸图像进行预处理，得到灰度人脸图像包括：基于主动形状模型对所述初始人脸图像中的人脸进行对齐处理，得到处理后的初始人脸图像；对所述处理后的初始人脸图像进行灰度转换，得到所述灰度人脸图像。3.根据权利要求2所述的方法，其特征在于，基于主动形状模型对所述初始人脸图像中的人脸进行对齐处理，得到处理后的初始人脸图像包括：对所述初始人脸图像中的人脸特征点进行定位，得到定位信息；依据所述定位信息对所述初始人脸图像中的人脸进行对齐处理，得到所述处理后的初始人脸图像。4.根据权利要求1所述的方法，其特征在于，将所述灰度人脸图像输入到图像重构模型中，得到对抗人脸图像包括：通过所述特征选择网络对所述灰度人脸图进行处理，得到多个深度特征向量和每个深度特征向量的选择概率；所述人脸重构网络依据所述多个深度特征向量和每个深度特征向量的选择概率进行人脸重构，以得到所述对抗人脸图像。5.根据权利要求4所述的方法，其特征在于，所述特征选择网络包括：降噪编码网络、特征向量处理网络和概率转换网络，通过所述特征选择网络对所述灰度人脸图进行处理，得到多个深度特征向量和每个深度特征向量的选择概率包括：通过所述降噪编码网络对所述灰度人脸图进行降噪处理，得到降噪后的灰度人脸图；通过特征向量处理网络对所述降噪后的灰度人脸图进行特征提取，得到多个深度特征向量；通过所述概率转换网络对所述多个深度特征向量进行选择，输出每个深度特征向量的选择概率。6.根据权利要求4所述的方法，其特征在于，所述人脸重构网络依据所述多个深度特征向量和每个深度特征向量的选择概率进行人脸重构，以得到所述对抗人脸图像包括：依据伯努利分布对所述深度特征向量和每个深度特征向量的选择概率进行蒙特卡洛采样，得到特征向量矩阵；对所述初始人脸图像中的像素进行计算，得到像素平均值；依据所述特征向量矩阵和所述像素平均值进行重构，以得到所述对抗人脸图像。7.根据权利要求1所述的方法，其特征在于，通过人脸识别模型对对抗人脸图像进行人脸识别，确定所述初始人脸图像对应的目标对象包括：通过人脸识别模型提取所述对抗人脸图像中的第一特征向量；2CN115830677A权利要求书2/2页对所述第一特征向量和数据库中存储的人脸图像的第二特征向量进行相似度计算，得到相似度值；依据所述相似度值，确定所述初始人脸图像对应的目标对象。8.一种人脸识别装置，其特征在于，包括：获取单元，用于获取初始人脸图像，并对所述初始人脸图像进行预处理，得到灰度人脸图像；处理单元，用于将所述灰度人脸图像输入到图像重构模型中，得到对抗人脸图像，其中，所述图像重构模型由特征选择网络和人脸重构网络构成；识别单元，用于通过人脸识别模型对对抗人脸图像进行人脸识别，确定所述初始人脸图像对应的目标对象。9.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至7中任意一项所述的人脸识别方法。10.一种电子设备，其特征在于，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个