人脸识别方法、装置、设备及介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112036266A(43)申请公布日2020.12.04(21)申请号202010815726.6(22)申请日2020.08.13(71)申请人北京迈格威科技有限公司地址100086北京市海淀区科学院南路2号融科资讯中心A座316-318(72)发明人李亮亮(74)专利代理机构北京润泽恒知识产权代理有限公司11319代理人王婷婷(51)Int.Cl.G06K9/00(2006.01)权利要求书3页说明书15页附图6页(54)发明名称人脸识别方法、装置、设备及介质(57)摘要本发明实施例提供了一种人脸识别方法、装置、设备及介质，所述方法包括：获得待识别的人脸图像；在所述人脸图像包含被遮挡的局部人脸区域的情况下，从所述人脸图像的未被遮挡的剩余人脸区域中提取未被遮挡的局部人脸区域；对所述人脸图像进行特征提取，得到第一全脸特征表示，以及，对所述未被遮挡的局部人脸区域进行特征提取，得到局部人脸特征表示；根据所述第一全脸特征表示和所述局部人脸特征表示，对所述人脸图像对应的身份进行识别。采用本发明技术方案，可以实现在人脸图像中的部分人脸区域被遮挡的情况下，成功进行人脸图像识别。CN112036266ACN112036266A权利要求书1/3页1.一种人脸识别方法，其特征在于，所述方法包括：获得待识别的人脸图像；在所述人脸图像包含被遮挡的局部人脸区域的情况下，从所述人脸图像的未被遮挡的剩余人脸区域中提取未被遮挡的局部人脸区域；对所述人脸图像进行特征提取，得到第一全脸特征表示，以及，对所述未被遮挡的局部人脸区域进行特征提取，得到局部人脸特征表示；根据所述第一全脸特征表示和所述局部人脸特征表示，对所述人脸图像对应的身份进行识别。2.根据权利要求1所述的方法，其特征在于，根据所述第一全脸特征表示和所述局部人脸特征表示，对所述人脸图像对应的身份进行识别，包括：基于与所述第一全脸特征表示对应的权重，以及与所述局部人脸特征表示对应的权重，对所述第一全脸特征表示和所述局部人脸特征表示进行融合，得到融合特征表示；根据所述融合特征表示，对所述人脸图像对应的身份进行识别。3.根据权利要求1或2所述的方法，其特征在于，根据所述融合特征表示，对所述人脸图像对应的身份进行识别，包括：获得预存的至少一个预设人脸特征表示，每个预设人脸特征具有身份标签；确定所述融合特征表示分别与所述至少一个预设人脸特征表示之间的相似距离；将相似距离小于预设相似距离的预设人脸特征具有的身份标签，确定为所述人脸图像对应的身份标签。4.根据权利要求1-3任一所述的方法，其特征在于，所述方法还包括：以被遮挡人脸图像为样本，对第一预设模型进行训练，得到第一全脸特征提取模型；以无遮挡人脸图像的局部人脸区域为样本，对包括多个分支和融合模块的第二预设模型进行训练，得到第二全脸特征提取模型，所述第二全脸特征提取模型包括的多个分支为多个局部人脸特征提取子模型；对所述人脸图像进行特征提取，得到第一全脸特征表示，包括：将所述人脸图像输入所述第一全脸特征提取模型，得到所述第一全脸特征表示；对所述未被遮挡的局部人脸区域进行特征提取，得到局部人脸特征表示，包括：将所述未被遮挡的局部人脸区域输入相应的局部人脸特征提取子模型，得到所述局部人脸特征表示。5.根据权利要求4所述的方法，其特征在于，以无遮挡人脸图像的局部人脸区域为样本，对包括多个分支和融合模块的第二预设模型进行训练，得到第二全脸特征提取模型，包括：将所述无遮挡人脸图像包括的各个局部人脸区域图像分别输入至对应的分支，获得由所述多个分支分别输出的特征表示；对所述多个分支分别输出的特征表示进行融合，得到融合后特征表示；根据所述多个分支分别输出的特征表示和预先标记的身份标签，确定所述多个分支分别对应的局部特征损失值；以及，根据所述融合后特征表示和预先标记的身份标签，确定融合特征损失值；根据所述局部特征损失值和所述融合特征损失值，确定所述第二预设模型对应的损失2CN112036266A权利要求书2/3页值；根据所述第二预设模型对应的损失值，对所述第二预设模型的参数进行迭代更新，得到所述第二全脸特征提取模型。6.根据权利要求4或5所述的方法，其特征在于，所述方法还包括：将所述第一全脸特征提取模型与所述第二全脸特征提取模型中的一个或多个局部人脸特征提取子模型组成联合模型；其中，所述联合模型中包括特征融合模块，所述特征融合模块的输入端分别与所述第一全脸特征提取模型的输出端、以及所述一个或多个局部人脸特征提取子模型的输出端连接；对所述人脸图像进行特征提取，得到第一全脸特征表示，以及，对所述未被遮挡的局部人脸区域进行特征提取，得到局部人脸特征表示，包括：通过所述联合模型中的所述第一全脸特征提取模型对所