图像识别处理方法和装置的制造方法
【技术领域】
[0001 ]本公开涉及图像处理领域，尤其涉及图像识别处理方法和装置。
【背景技术】
[0002]在进行人脸识别的过程中，人脸检测和人脸对齐是两个主要的处理过程。简单来说，人脸检测就是在照片中检测出人脸所在区域，而人脸对齐就是在检测出的人脸所在区域中进行人脸器官点的精确定位。
[0003]相关技术中，一般先采用adaboost算法对照片进行人脸检测处理，得到人脸区域。之后再采用诸如aam、asm、sdm等算法在检测出的人脸区域进行器官点定位。在实际应用中，由于adaboost算法采用的是多个若分类器集合构成的强分类器进行的人脸检测处理，为了保证一定的检测精度，需要进行很多层次的分类检测处理，一般为12层。
[0004]公开内容
[0005]为克服相关技术中存在的问题，本公开提供一种图像识别处理方法和装置，以提高人脸检测、器官点定位的处理速度和准确性。
[0006]根据本公开实施例的第一方面，提供一种图像识别处理方法，包括:
[0007]获取待识别图像；
[0008]对所述待识别图像进行脸部识别，同时获取所述待识别图像的脸部分类结果和脸部器官点位置坐标。
[0009]该方案可以包括以下有益效果:在对待识别图像进行脸部识别时，在确定其脸部分类结果，比如是否为人脸图像的同时，还能够同时获得脸部器官点的位置坐标，提高识别处理效率。
[0010]结合第一方面，在第一方面的第一种可能的实现方式中，所述对所述待识别图像进行脸部识别，同时获取所述待识别图像的脸部分类结果脸部器官点位置坐标，包括:
[0011 ]采用脸部识别模型对所述待识别图像进行脸部识别，同时获取所述待识别图像的脸部分类结果和脸部器官点位置坐标；
[0012]其中，所述脸部识别模型的输出层包括分类输出层和位置回归输出层，所述位置回归输出层用于进行所述脸部器官点位置坐标的定位，所述脸部分类结果包括所述待识别图像为人脸图像或者非人脸图像。
[0013]该方案可以包括以下有益效果:通过训练获得具有两个输出层的脸部识别模型，从而，采用该脸部识别模型对待识别图像进行识别，在确定其脸部分类结果的同时，还能够同时获得脸部器官点的位置坐标。基于该脸部识别模型，不但能够获得准确的分类和坐标位置识别结果，而且能够提高识别处理效率。
[0014]结合第一方面或第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，所述方法还包括:
[0015]对所述待识别图像进行不大于预设层次的脸部轮廓检测处理，获取所述待识别图像的脸部轮廓候选区域图像；
[0016]所述对所述待识别图像进行识别，包括:
[0017]对所述脸部轮廓候选区域图像进行识别。
[0018]该方案可以包括以下有益效果:在对待识别图像进行识别处理前，通过对待识别图像进行一定较少层次的脸部轮廓检测处理，能够获得脸部所在的大致区域，从而脸部识别模型仅需要对该大致区域进行识别处理，能够进一步提高脸部识别的处理效率。
[0019]结合第一方面的第一种可能的实现方式，在第一方面的第三种可能的实现方式中，所述方法还包括:
[0020]获取训练样本集，所述训练样本集中包括人脸样本图像和非人脸样本图像；
[0021]根据所述人脸样本图像和所述非人脸样本图像对卷积神经网络中各层隐层节点之间的特征系数进行训练，得到所述脸部识别模型。
[0022]结合第一方面的第三种可能的实现方式，在第一方面的第四种可能的实现方式中，所述根据所述人脸样本图像和所述非人脸样本图像对卷积神经网络中各层隐层节点之间的特征系数进行训练，得到所述脸部识别模型，包括:
[0023]对所述人脸样本图像进行第一分类标号的标记，对所述非人脸样本图像进行第二分类标号的标记；
[0024]确定所述人脸样本图像对应的第一人脸器官点位置坐标和所述非人脸样本图像对应的第二人脸器官点位置坐标，所述第二人脸器官点位置坐标被设置为预设坐标值；
[0025]将所述人脸样本图像、所述第一分类标号、所述第一人脸器官点位置坐标以及所述非人脸样本图像、所述第二分类标号、所述第二人脸器官点位置坐标分别输入到所述卷积神经网络中，对所述卷积神经网络中各层隐层节点之间的特征系数进行训练，得到所述脸部识别模型。
[0026]该方案可以包括以下有益效果:通过采用包含有大量人脸样本图像和非人脸样本图像的训练样本集，将样本图像以及样本图像对应的分类标号和人脸器官点位置坐标作为输入，对卷积神经网络进行训练，使得得到的脸部脸识别模型能够自动深度学习到各样本图像中包含的多层次的特征信息，从而不但提高了基于该脸部识别模型正确识别待识别图像分类的可能性，也能够准确识别获得脸部器官点位置坐标，保证了识别结果的准确可靠。
[0027]结合第一方面的第四种可能的实现方式，在第一方面的第五种可能的实现方式中，所述方法还包括:
[0028]若当前输入的样本图像对应的输出分类标号与当前输入的样本图像对应的输入分类号间的差值大于预设差值，或者，若当前输入的样本图像对应的输出人脸器官点位置坐标与当前输入的样本图像对应的输入人脸器官点位置坐标间的距离大于预设距离，则调整经所述当前输入的样本图像训练后得到的各层隐层节点之间的特征系数；
[0029]其中，所述输入分类号为所述第一分类标号或所述第二分类标号，所述输入人脸器官点位置坐标为所述第一人脸器官点位置坐标或所述第二人脸器官点位置坐标。
[0030]该方案可以包括以下有益效果:基于各样本图像训练结果，对脸部识别模型的各特征系数进行及时有效的调整，能够保证最终训练获得的脸部识别模型具有更佳的稳定性、可靠性，实现识别的快速收敛。
[0031]根据本公开实施例的第二方面，提供一种图像识别处理装置，包括:
[0032 ]第一获取模块，被配置为获取待识别图像；
[0033]识别处理模块，被配置为对所述待识别图像进行脸部识别，同时获取所述待识别图像的脸部分类结果和脸部器官点位置坐标。
[0034]该方案可以包括以下有益效果:在对待识别图像进行脸部识别时，在确定其脸部分类结果，比如是否为人脸图像的同时，还能够同时获得脸部器官点的位置坐标，提高识别处理效率。
[0035]结合第二方面，在第二方面的第一种可能的实现方式中，所述识别处理模块，包括:
[0036]第一识别处理子模块，被配置为采用脸部识别模型对所述待识别图像进行脸部识另IJ，同时获取所述待识别图像的脸部分类结果和脸部器官点位置坐标；
[0037]其中，所述脸部识别模型的输出层包括分类输出层和位置回归输出层，所述位置回归输出层用于进行所述脸部器官点位置坐标的定位，所述脸部分类结果包括所述待识别图像为人脸图像或者非人脸图像。
[0038]该方案可以包括以下有益效果:通过训练获得具有两个输出层的脸部识别模型，从而，采用该脸部识别模型对待识别图像进行识别，在确定其脸部分类结果的同时，还能够同时获得脸部器官点的位置坐标。基于该脸部识别模型，不但能够获得准确的分类和坐标位置识别结果，而且能够提高识别处理效率。
[0039]结合第二方面或第二方面的第一种可能的实现方式，在第二方面的第二种可能的实现方式中，所述装置还包括:
[0040]脸部轮廓检测模块，被配置为对所述待识别图像进行不大于预设层次的脸部轮廓检测处理，获取所述待识别图像的脸部轮廓候选区域图像；
[0041 ]所述识别处理模块，包括:
[0042]第二识别处理子模块，被配置为对所述脸部轮廓候选区域图像进行识别。
[0043]该方案可以包括以下有益效果:在对待识别图像进行识别处理前，通过对待识别图像进行一定较少层次的脸部轮廓检测处理，能够获得脸部所在的大致区域，从而脸部识别模型仅需要对该大致区域进行识别处理，能够进一步提高脸部识别的处理效率。
[0044]结合第二方面的第一种可能的实现方式，在第二方面的第三种可能的实现方式中，所述装置还包括:
[0045]第二获取模块，被配置为获取训练样本集，所述训练样本集中包括人脸样本图像和非人脸样本图像；
[0046]训练模块，被配置为根据所述第二获取模块获取的所述人脸样本图像和所述非人脸样本图像对卷积神经网络中各层隐层节点之间的特征系数进行训练，得到所述脸部识别模型。
[0047]结合第二方面的第三种可能的实现方式，在第二方面的第四种可能的实现方式中，所述训练模块包括:
[0048]标记子模块，被配置为对所述第二获取模块获取的所述人脸样本图像进行第一分类标号的标记，对所述第二获取模块获取的所述非人脸样本图像进行第二分类标号的标记；
[0049]确定子模块，被配置为确定所述第二获取模块获取的所述人脸样本图像对应的第一人脸器官点位置坐标和所述第二获取模块获取的所述非人脸样本图像对应的第二人脸器官点位置坐标，所述第二人脸器官点位置坐标被设置为预设坐标值；
[0050]训练子模块，被配置为将所述人脸样本图像、所述第一分类标号、所述第一人脸器官点位置坐标以及所述非人脸样本图像、所述第二分类标号、所述第二人脸器官点位置坐标分别输入到所述卷积神经网络中，对所述卷积神经网络中各层隐层节点之间的特征系数进行训练，得到所述脸部识别模型。
[0051]该方案可以包括以下有益效果:通过采用包含有大量人脸样本图像和非人脸样本图像的训练样本集，将样本图像以及样本图像对应的分类标号和人脸器官点位置坐标作为输入，对卷积神经网络进行训练，使得得到的脸部脸识别模型能够自动深度学习到各样本图像中包含的多层次的特征信息，从而不但提高了基于该脸部识别模型正确识别待识别图像分类的可能性，也能够准确识别获得脸部器官点位置坐标，保证了识别结果的准确可靠。
[0052]结合第二方面的第四种可能的实现方式，在第二方面的第五种可能的实现方式中，还包括:
[0053]调整模块，被配置为在当前输入的样本图像对应的输出分类标号与当前输入的样本图像对应的输入分类号间的差值大于预设差值时，或者，在当前输入的样本图像对应的输出人脸器官点位置坐标与当前输入的样本图像对应的输入人脸器官点位置坐标间的距离大于预设距离时，调整经所述当前输入的样本图像训练后得到的各层隐层节点之间的特征系数；