本技术涉及计算机领域,尤其涉及一种人脸识别方法、装置和设备。
背景技术:
1、人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。目前,人脸识别通过需要获取用户的整个面部。然而,自2020年新冠疫情以来,带着口罩出门成为常态。
2、针对该使用环境,训练戴口罩的人脸识别模型为成主要的解决办法。然而,戴口罩的人脸识别模型通常对不带口罩的人脸识别准确率低。当出现用户没有戴口罩时,戴口罩的人脸识别模型很难正确识别该用户。
3、因此,如何使模型同时提高戴口罩的人脸和不带口罩的人脸的识别率成为亟待解决的问题。
技术实现思路
1、本技术提供一种人脸识别方法、装置和设备,用以解决如何同时提高戴口罩的人脸和不带口罩的人脸的识别率的问题。
2、第一方面,本技术提供一种人脸识别方法,包括:
3、获取人脸图片;
4、将所述人脸图片输入到人脸模型中,确定所述人脸图片的戴口罩特征向量、不带口罩特征向量、戴口罩权重和不带口罩权重;
5、根据所述人脸图片的所述戴口罩特征向量、所述不带口罩特征向量、所述戴口罩权重和所述不带口罩权重,确定目标融合特征向量;
6、比较所述目标融合特征向量和预设人脸库中的融合特征向量,确定所述人脸图片对应的用户信息。
7、可选地,所述人脸模型包括判断模块、戴口罩特征提取模块、不戴口罩特征提取模块;
8、所述将所述人脸图片输入到人脸模型中,确定所述人脸图片的戴口罩特征向量、不带口罩特征向量、戴口罩权重和不带口罩权重,包括:
9、将所述人脸图片输入所述判断模块,得到戴口罩概率和不带口罩概率;
10、根据所述戴口罩概率,确定所述戴口罩权重;根据所述不戴口罩概率,确定所述不戴口罩权重;
11、将所述人脸图片输入所述戴口罩特征提取模块,得到戴口罩特征向量;
12、将所述人脸图片输入所述不戴口罩特征提取模块,得到不戴口罩特征向量;
13、可选地,所述根据所述人脸图片的所述戴口罩特征向量、所述不带口罩特征向量、所述戴口罩权重和所述不带口罩权重,确定目标融合特征向量的计算公式包括:
14、e=p1×e1+p2×e2
15、其中,e为所述目标融合特征向量,p1为所述戴口罩权重,e1为所述戴口罩特征向量,p2为所述不带口罩权重,e2为所述带口罩特征向量。
16、可选地,所述获取人脸图片,包括:
17、获取摄像头拍摄的原始图片;
18、检测所述原始图片中人脸所在位置,并根据所述人脸所在位置裁剪所述原始图片,得到中间图片;
19、估计所述中间图片中人脸的关键点,并根据所述关键点矫正所述中间图片中的人脸,得到所述人脸图片。
20、可选地,所述人脸模型包括判断模块、戴口罩特征提取模块、不戴口罩特征提取模块;
21、所述获取人脸图片之前,所述方法,包括:
22、将戴口罩人脸图片输入所述人脸模型,计算所述人脸模型中所述判断模块的第一损失函数和所述戴口罩特征提取模块的第二损失函数;
23、根据所述第一损失函数和所述第二损失函数,确定第一总损失函数;
24、根据所述第一总损失函数反向更新所述判断模块和所述戴口罩特征提取模块中的模型参数。
25、可选地,所述方法,还包括:
26、将不戴口罩人脸图片输入所述人脸模型,计算所述人脸模型中所述判断模块的第一损失函数和所述不戴口罩特征提取模块的第三损失函数;
27、根据所述第一损失函数和所述第三损失函数,确定第二总损失函数;
28、根据所述第二总损失函数反向更新所述判断模块和所述不戴口罩特征提取模块中的模型参数。
29、第二方面,本技术提供一种人脸识别装置,包括:
30、获取模块,用于获取人脸图片;
31、处理模块,用于将所述人脸图片输入到人脸模型中,确定所述人脸图片的戴口罩特征向量、不带口罩特征向量、戴口罩权重和不带口罩权重;根据所述人脸图片的所述戴口罩特征向量、所述不带口罩特征向量、所述戴口罩权重和所述不带口罩权重,确定目标融合特征向量;比较所述目标融合特征向量和预设人脸库中的融合特征向量,确定所述人脸图片对应的用户信息。
32、可选地,所述人脸模型包括判断模块、戴口罩特征提取模块、不戴口罩特征提取模块;
33、所述处理模块,具体用于:
34、将所述人脸图片输入所述判断模块,得到戴口罩概率和不带口罩概率;
35、根据所述戴口罩概率,确定所述戴口罩权重;根据所述不戴口罩概率,确定所述不戴口罩权重;
36、将所述人脸图片输入所述戴口罩特征提取模块,得到戴口罩特征向量;
37、将所述人脸图片输入所述不戴口罩特征提取模块,得到不戴口罩特征向量;
38、可选地,所述根据所述人脸图片的所述戴口罩特征向量、所述不带口罩特征向量、所述戴口罩权重和所述不带口罩权重,确定目标融合特征向量的计算公式包括:
39、e=p1×e1+p2×e2
40、其中,e为所述目标融合特征向量,p1为所述戴口罩权重,e1为所述戴口罩特征向量,p2为所述不带口罩权重,e2为所述带口罩特征向量。
41、可选地,所述获取模块,具体用于:
42、获取摄像头拍摄的原始图片;
43、检测所述原始图片中人脸所在位置,并根据所述人脸所在位置裁剪所述原始图片,得到中间图片;
44、估计所述中间图片中人脸的关键点,并根据所述关键点矫正所述中间图片中的人脸,得到所述人脸图片。
45、可选地,所述人脸模型包括判断模块、戴口罩特征提取模块、不戴口罩特征提取模块;
46、所述装置,还包括:
47、模型训练模块,用于将戴口罩人脸图片输入所述人脸模型,计算所述人脸模型中所述判断模块的第一损失函数和所述戴口罩特征提取模块的第二损失函数;根据所述第一损失函数和所述第二损失函数,确定第一总损失函数;根据所述第一总损失函数反向更新所述判断模块和所述戴口罩特征提取模块中的模型参数。
48、可选地,所述模型训练模块,还用于:
49、将不戴口罩人脸图片输入所述人脸模型,计算所述人脸模型中所述判断模块的第一损失函数和所述不戴口罩特征提取模块的第三损失函数;
50、根据所述第一损失函数和所述第三损失函数,确定第二总损失函数;
51、根据所述第二总损失函数反向更新所述判断模块和所述不戴口罩特征提取模块中的模型参数。
52、第三方面,本技术提供一种终端设备,包括:存储器和处理器;
53、存储器用于存储程序指令;处理器用于调用存储器中的程序指令执行第一方面及第一方面任一种可能的设计中的人脸识别方法。
54、第四方面,本技术提供一种可读存储介质,可读存储介质中存储有计算机程序,当终端设备的至少一个处理器执行该计算机程序时,终端设备执行第一方面及第一方面任一种可能的设计中的人脸识别方法。
55、第五方面,本技术提供一种计算机程序产品,所述计算机程序产品包括计算机程序,当终端设备的至少一个处理器执行该计算机程序时,终端设备执行第一方面及第一方面任一种可能的设计中的人脸识别方法。
56、本技术提供的人脸识别方法,通过获取人脸图片;将人脸图片输入到人脸模型中,确定人脸图片的戴口罩特征向量、不带口罩特征向量、戴口罩权重和不带口罩权重;根据人脸图片的戴口罩特征向量、不带口罩特征向量、戴口罩权重和不带口罩权重,确定目标融合特征向量;比较该目标融合特征向量和预设人脸库中的融合特征向量,确定人脸图片对应的用户信息的手段,使人脸图片中人脸在戴口罩和不戴口罩的情况下均可以得到较高的识别准确率,提高人脸识别效率。