意愿识别模型训练方法、意愿识别方法、相关装置及介质与流程

本说明书涉及计算机，尤其涉及一种意愿识别模型训练方法、意愿识别方法、相关装置及介质。

背景技术：

1、刷脸是一种基于人工智能、机器视觉、3d传感、大数据等技术实现的新型核身方式，其通过采用脸部识别作为身份验证，给用户带来了极大的便利。

2、目前，在刷脸场景中，待刷脸用户开启刷脸后，需要站在具有刷脸功能设备的前方，进行脸部识别。但是，在使用线下刷脸设备进行刷脸的场景中，在刷脸设备的前方可能站着多个用户，即刷脸设备采集的刷脸图像中出现多个用户时，可能会存在用户a启用刷脸，而误刷用户b的情况，从而容易导致刷脸安全性舆情的发生。

3、基于此，刷脸意愿识别是对刷脸安全保障的重要环节，有助于提升刷脸安全体验，而上述盗刷和误刷的情况都会降低刷脸的安全性，因此，需要一种更加安全的意愿识别方案去进行刷脸。

技术实现思路

1、本说明书实施例提供了一种意愿识别模型训练方法、意愿识别方法、相关装置及介质，通过域自适应半监督学习的方式对意愿识别模型进行训练，增强意愿识别模型的域泛化能力，提高意愿识别模型的准确率，从而确保用户刷脸的安全性，极大地避免了误刷的情况。上述技术方案如下：

2、第一方面，本说明书实施例提供了一种意愿识别模型训练方法，包括：

3、获取第一样本数据集和第二样本数据集；上述第一样本数据集包括多张源域有意愿标签的第一样本图像；上述第二样本数据集包括多张目标域无意愿标签的第二样本图像；

4、基于上述第一样本数据集以及初始意愿识别模型确定目标阈值集；上述目标阈值集包括至少一个意愿类别对应的目标阈值；

5、利用上述初始意愿识别模型基于上述目标阈值集对上述第二样本数据集中的第二样本图像进行标注，得到第三样本数据集；

6、基于上述第一样本数据集和上述第三样本数据集确定上述初始意愿识别模型的目标损失；

7、在上述目标损失不满足预设条件的情况下，基于上述目标损失更新上述初始意愿识别模型，并再次执行上述基于上述第一样本数据集以及初始意愿识别模型确定目标阈值集的步骤；

8、在上述目标损失满足上述预设条件的情况下，将上述初始意愿识别模型确定为训练好的意愿识别模型。

9、在一种可能的实现方式中，上述第一样本图像包括至少一个刷脸用户；上述第一样本数据集还包括基于上述第一样本图像中第一目标刷脸用户的第一目标位置生成的第一掩码图；上述第二样本数据集还包括基于上述第二样本图像中第二目标刷脸用户的第二目标位置生成的第二掩码图。

10、在一种可能的实现方式中，上述基于上述第一样本数据集以及初始意愿识别模型确定目标阈值集，包括：

11、将上述第一样本数据集输入初始意愿识别模型，输出上述第一样本数据集中各第一样本图像对应的第一意愿识别结果；

12、基于上述第一样本数据集中各第一样本图像对应的第一意愿识别结果确定目标阈值集。

13、在一种可能的实现方式中，上述意愿标签包括刷脸意愿标签和非刷脸意愿标签；上述第一意愿识别结果包括上述第一样本图像中第一目标刷脸用户对应的刷脸意愿概率和非刷脸意愿概率；

14、上述基于上述第一样本数据集中各第一样本图像对应的第一意愿识别结果确定目标阈值集，包括：

15、基于上述第一样本数据集中各第一样本图像对应的第一意愿识别结果计算目标意愿概率均值集；上述目标意愿概率均值集包括上述第一样本数据集中上述刷脸意愿标签对应的第一样本图像之间的目标刷脸意愿概率均值和上述非刷脸意愿标签对应的第一样本图像之间的目标非刷脸意愿概率均值；

16、基于上述目标意愿概率均值集确定目标阈值集。

17、在一种可能的实现方式中，上述基于上述第一样本数据集中各第一样本图像对应的第一意愿识别结果确定目标阈值集，包括：

18、基于上述第一样本数据集中各第一样本图像对应的第一意愿识别结果以及预设阈值集确定目标阈值集。

19、在一种可能的实现方式中，上述意愿标签包括刷脸意愿标签和非刷脸意愿标签；上述目标阈值集包括上述意愿识别模型决策刷脸意愿时对应的目标刷脸意愿阈值和上述意愿识别模型中非刷脸意愿类别对应的目标非刷脸意愿阈值；

20、上述利用上述初始意愿识别模型基于上述目标阈值集对上述第二样本数据集中的第二样本图像进行标注，得到第三样本数据集，包括：

21、将上述第二样本数据集输入上述初始意愿识别模型中，输出上述第二样本数据集中各第二样本图像对应的第二意愿识别结果；上述第二意愿识别结果包括上述第二样本图像中第二目标刷脸用户对应的刷脸意愿概率和非刷脸意愿概率；

22、对上述第二样本数据集中上述刷脸意愿概率大于上述目标刷脸意愿阈值的第二样本图像标注上述刷脸意愿标签，对上述第二样本数据集中上述非刷脸意愿概率大于上述目标非刷脸意愿阈值的第二样本图像标注上述非刷脸意愿标签；

23、将标注有上述刷脸意愿标签的第二样本图像和标注有上述非刷脸意愿标签的第二样本图像作为上述目标域的第三样本数据集。

24、在一种可能的实现方式中，上述初始意愿识别模型基于上述第一样本数据集进行训练得到。

25、第二方面，本说明书实施例提供了一种意愿识别方法，包括：

26、获取目标用户的目标刷脸图像；

27、将上述目标刷脸图像输入意愿识别模型，输出上述目标用户对应的目标意愿识别结果；上述意愿识别模型基于说明书实施例第一方面或第一方面的任意一种可能的实现方式提供的意愿识别模型训练方法进行训练得到。

28、在一种可能的实现方式中，上述获取目标用户的目标刷脸图像之后，上述将上述目标刷脸图像输入意愿识别模型，输出上述目标用户对应的目标意愿识别结果之前，上述方法还包括：

29、基于上述目标刷脸图像中目标用户的目标位置生成目标掩码图；

30、上述将上述目标刷脸图像输入意愿识别模型，输出上述目标用户对应的目标意愿识别结果，包括：

31、将上述目标刷脸图像以及上述目标掩码图输入意愿识别模型，输出上述目标用户对应的目标意愿识别结果。

32、第三方面，本说明书实施例提供了一种意愿识别模型训练装置，上述意愿识别模型训练装置包括：

33、获取模块，用于获取第一样本数据集和第二样本数据集；上述第一样本数据集包括多张源域有意愿标签的第一样本图像；上述第二样本数据集包括多张目标域无意愿标签的第二样本图像；

34、第一确定模块，用于基于上述第一样本数据集以及初始意愿识别模型确定目标阈值集；上述目标阈值集包括至少一个意愿类别对应的目标阈值；

35、标注模块，用于利用上述初始意愿识别模型基于上述目标阈值集对上述第二样本数据集中的第二样本图像进行标注，得到第三样本数据集；

36、第二确定模块，用于基于上述第一样本数据集和上述第三样本数据集确定上述初始意愿识别模型的目标损失；

37、更新模块，用于在上述目标损失不满足预设条件的情况下，基于上述目标损失更新上述初始意愿识别模型，并再次执行上述基于上述第一样本数据集以及初始意愿识别模型确定目标阈值集的步骤；

38、第三确定模块，用于在上述目标损失满足上述预设条件的情况下，将上述初始意愿识别模型确定为训练好的意愿识别模型。

39、在一种可能的实现方式中，上述第一样本图像包括至少一个刷脸用户；上述第一样本数据集还包括基于上述第一样本图像中第一目标刷脸用户的第一目标位置生成的第一掩码图；上述第二样本数据集还包括基于上述第二样本图像中第二目标刷脸用户的第二目标位置生成的第二掩码图。

40、在一种可能的实现方式中，上述第一确定模块包括：

41、第一意愿识别单元，用于将上述第一样本数据集输入初始意愿识别模型，输出上述第一样本数据集中各第一样本图像对应的第一意愿识别结果；

42、第一确定单元，用于基于上述第一样本数据集中各第一样本图像对应的第一意愿识别结果确定目标阈值集。

43、在一种可能的实现方式中，上述意愿标签包括刷脸意愿标签和非刷脸意愿标签；上述第一意愿识别结果包括上述第一样本图像中第一目标刷脸用户对应的刷脸意愿概率和非刷脸意愿概率；

44、上述第一确定单元包括：

45、计算子单元，用于基于上述第一样本数据集中各第一样本图像对应的第一意愿识别结果计算目标意愿概率均值集；上述目标意愿概率均值集包括上述第一样本数据集中上述刷脸意愿标签对应的第一样本图像之间的目标刷脸意愿概率均值和上述非刷脸意愿标签对应的第一样本图像之间的目标非刷脸意愿概率均值；

46、确定子单元，用于基于上述目标意愿概率均值集确定目标阈值集。

47、在一种可能的实现方式中，上述第一确定单元具体用于：

48、基于上述第一样本数据集中各第一样本图像对应的第一意愿识别结果以及预设阈值集确定目标阈值集。

49、在一种可能的实现方式中，上述意愿标签包括刷脸意愿标签和非刷脸意愿标签；上述目标阈值集包括上述意愿识别模型决策刷脸意愿时对应的目标刷脸意愿阈值和上述意愿识别模型中非刷脸意愿类别对应的目标非刷脸意愿阈值；

50、上述标注模块包括：

51、第二意愿识别单元，用于将上述第二样本数据集输入上述初始意愿识别模型中，输出上述第二样本数据集中各第二样本图像对应的第二意愿识别结果；上述第二意愿识别结果包括上述第二样本图像中第二目标刷脸用户对应的刷脸意愿概率和非刷脸意愿概率；

52、标注单元，用于对上述第二样本数据集中上述刷脸意愿概率大于上述目标刷脸意愿阈值的第二样本图像标注上述刷脸意愿标签，对上述第二样本数据集中上述非刷脸意愿概率大于上述目标非刷脸意愿阈值的第二样本图像标注上述非刷脸意愿标签；

53、第二确定单元，用于将标注有上述刷脸意愿标签的第二样本图像和标注有上述非刷脸意愿标签的第二样本图像作为上述目标域的第三样本数据集。

54、在一种可能的实现方式中，上述初始意愿识别模型基于上述第一样本数据集进行训练得到。

55、第四方面，本说明书实施例提供了一种意愿识别装置，上述意愿识别装置包括：

56、获取模块，用于获取目标用户的目标刷脸图像；

57、意愿识别模块，用于将上述目标刷脸图像输入意愿识别模型，输出上述目标用户对应的目标意愿识别结果；上述意愿识别模型基于本说明书实施例第一方面或第一方面的任意一种可能的实现方式提供的意愿识别模型训练方法进行训练得到。

58、在一种可能的实现方式中，上述意愿识别装置还包括：

59、掩码图生成模块，用于基于上述目标刷脸图像中目标用户的目标位置生成目标掩码图；

60、上述意愿识别模块具体用于：

61、将上述目标刷脸图像以及上述目标掩码图输入意愿识别模型，输出上述目标用户对应的目标意愿识别结果。

62、第五方面，本说明书实施例提供了一种电子设备，包括：处理器以及存储器；

63、上述处理器与上述存储器相连；

64、上述存储器，用于存储可执行程序代码；

65、上述处理器通过读取上述存储器中存储的可执行程序代码来运行与上述可执行程序代码对应的程序，以用于执行本说明书实施例第一方面或第一方面的任意一种可能的实现方式或第二方面或第二方面的任意一种可能的实现方式提供的方法。

66、第六方面，本说明书实施例提供了一种计算机存储介质，上述计算机存储介质存储有多条指令，上述指令适于由处理器加载并执行本说明书实施例第一方面或第一方面的任意一种可能的实现方式或第二方面或第二方面的任意一种可能的实现方式提供的方法。

67、第七方面，本说明书实施例提供了一种包含指令的计算机程序产品，当上述计算机程序产品在计算机或处理器上运行时，使得上述计算机或上述处理器执行本说明书实施例第一方面或第一方面的任意一种可能的实现方式或第二方面或第二方面的任意一种可能的实现方式提供的方法。

68、本说明书实施例通过获取第一样本数据集和第二样本数据集，第一样本数据集包括多张源域有意愿标签的第一样本图像，第二样本数据集包括多张目标域无意愿标签的第二样本图像；基于第一样本数据集以及初始意愿识别模型确定目标阈值集，目标阈值集包括至少一个意愿类别对应的目标阈值；利用初始意愿识别模型基于目标阈值集对第二样本数据集中的第二样本图像进行标注，得到第三样本数据集；基于第一样本数据集和第三样本数据集确定初始意愿识别模型的目标损失；在目标损失不满足预设条件的情况下，基于目标损失更新初始意愿识别模型，并再次执行基于第一样本数据集以及初始意愿识别模型确定目标阈值集的步骤；在目标损失满足预设条件的情况下，将初始意愿识别模型确定为训练好的意愿识别模型，从而通过半监督学习的方式决策各意愿类别的自适应目标阈值，并基于根据目标阈值对目标域无意愿标签的第二样本图像进行挖掘和打标后得到的第三样本数据集训练意愿识别模型，从而让意愿识别模型能够自动高效地进行跨域学习，既增强意愿识别模型的域泛化能力，提高意愿识别模型的准确率，从而确保用户刷脸的安全性，极大地避免了误刷的情况，又避免目标域下有意愿标签的样本太少或标注数据耗时太长导致短时间内无法高效准确地实现目标域下意愿识别的情况，解决了目标域下意愿识别的冷启动问题。