图像识别方法、装置、电子设备及存储介质与流程

本技术涉及图像处理、人工智能和云等，尤其涉及一种图像识别方法、装置、电子设备及存储介质。

背景技术：

1、随着多媒体技术和网络技术的飞速发展和广泛应用，人脸图像信息被广泛应用于日常生活和生产活动中。举例来讲，人脸图像信息所应用的场景可以包括：在银行办理业务、电子支付等场景中采集人脸信息以验证个人身份；将视频中包括人物角色的图像帧作为视频封面等，但是，无论在哪种场景中，人脸图像信息的质量都会影响应用过程中的使用效果。

2、因此，为了提高人脸图像信息在应用过程中的使用效果，可以在应用之前，对人脸图像信息进行筛选，根据筛选得到的质量较高的人脸图像信息，进行后续应用。基于此，如何快速且准确地对人脸图像质量进行检测，成为了本领域亟待解决的问题。

技术实现思路

1、本技术实施例提供了一种图像识别方法，以解决相关技术中，人脸图像质量检测速度慢、准确性低的问题。

2、相应的，本技术实施例还提供了一种图像识别装置、一种电子设备以及一种存储介质，用以保证上述方法的实现及应用。

3、一方面，本技术实施例提供一种图像识别方法，上述方法包括：

4、获取待处理图像；

5、将上述待处理图像输入至预训练的质量识别模型，得到识别结果；

6、其中，上述质量识别模型包括特征提取模块以及识别质量模块；

7、上述质量识别模型训练的过程中，通过目标训练样本对初始质量识别模型中的初始识别质量模块进行训练，得到上述识别质量模块；其中，上述初始识别质量模块的损失值是根据训练过程中的第一识别结果和第二识别结果之间的关联程度参量确定的；上述第一识别结果为训练过程中的人脸识别模型对上述目标训练样本识别得到的结果；上述第二识别结果为训练过程中的质量识别模型对上述目标训练样本识别得到的结果；

8、上述目标训练样本为经训练过程中的人脸识别模型识别，得到无法被正确确定出人脸归属的训练样本；上述无法被正确确定出人脸归属包括无法被确定出人脸归属或者被错误确定出人脸归属。

9、另一方面，本技术实施例提供了一种图像识别装置，该装置包括：

10、图像获取模块，用于获取待处理图像；

11、图像识别模块，用于将上述待处理图像输入至预训练的质量识别模型，得到识别结果；

12、其中，上述质量识别模型包括特征提取模块以及识别质量模块；

13、上述质量识别模型训练的过程中，通过目标训练样本对初始质量识别模型中的初始识别质量模块进行训练，得到上述识别质量模块；其中，上述初始识别质量模块的损失值是根据训练过程中的第一识别结果和第二识别结果之间的关联程度参量确定的；上述第一识别结果为训练过程中的人脸识别模型对上述目标训练样本识别得到的结果；上述第二识别结果为训练过程中的质量识别模型对上述目标训练样本识别得到的结果；

14、上述目标训练样本为经训练过程中的人脸识别模型识别，得到无法被正确确定出人脸归属的训练样本；上述无法被正确确定出人脸归属包括无法被确定出人脸归属或者被错误确定出人脸归属。

15、可选地，上述装置还用于是通过以下方式训练得到上述质量识别模型：

16、将初始训练样本输入至预设的人脸识别模型，得到上述初始训练样本的第三识别结果；根据上述第三识别结果，从上述初始训练样本中筛选出上述目标训练样本；以及将上述预设的人脸识别模型中的特征提取模块与上述初始识别质量模块进行拼接得到初始质量识别模型；

17、通过上述目标训练样本对上述初始识别质量模块进行训练，得到上述识别质量模块，并将上述特征提取模块与上述识别质量模块拼接得到上述质量识别模型。

18、可选地，上述通过上述目标训练样本对上述初始识别质量模块进行训练，得到上述识别质量模块，包括：

19、将上述目标训练样本输入至上述初始质量识别模型，得到上述第二识别结果；

20、根据上述初始训练样本的第一识别结果和上述第二识别结果，确定上述初始质量识别模型的损失值；

21、根据上述损失值，对上述初始识别质量模块的参数进行修正，得到上述识别质量模块。

22、可选地，上述根据上述目标训练样本的第一识别结果和第二识别结果，确定上述初始质量识别模型的损失值，包括：

23、确定上述人脸识别模型的损失值所采用的第一损失函数为加性角度间隔损失函数；

24、在上述第一损失函数为加性角度间隔损失函数时，将上述目标训练样本的第二识别结果作为边界裕量，对上述第一损失函数进行修正，并采用上述目标训练样本的第二识别结果对修正后的第一损失函数进行加权，得到第二损失函数；

25、通过上述第二损失函数，对上述第一识别结果和上述第二识别结果进行计算，得到上述损失值。

26、可选地，上述装置还用于：

27、将上述目标训练样本输入至上述质量识别模型，得到第四识别结果；

28、根据上述目标训练样本的第四识别结果，从上述目标训练样本中确定出质量参数高且损失值小的第一训练样本；

29、通过上述第一训练样本的损失值，对上述人脸识别模型的参数进行修正，得到修正后的人脸识别模型；上述人脸识别模型对上述第一训练样本的识别结果为：正确确定出上述第一训练样本中的人脸归属。

30、可选地，上述将上述待处理图像输入至预训练的识别模型，得到第四识别结果，包括：

31、将修正后的特征提取模块与上述识别质量模块进行拼接得到第一识别模型；上述修正后的特征提取模块为上述修正后的人脸识别模型的特征提取模块；以及根据上述修正后的人脸识别模型对上述第一训练样本的识别结果，重新确定新的目标训练样本；

32、通过上述新的目标训练样本对上述识别质量模块进行训练，得到修正后的识别质量模块，并根据上述修正后的特征提取模块以及上述修正后的识别质量模块拼接得到修正后的识别模型；

33、并重复执行目标训练样本的筛选操作以及第一训练样本的筛选操作，并根据新的目标训练样本和新的第一训练样本，对上述质量识别模型和人脸识别模型进行修正。

34、可选地，上述待处理图像通过对待处理视频进行抽帧处理后得到，上述装置还用于：

35、根据上述待处理图像的识别结果，确定上述待处理图像中质量分数大于预设质量分数的候选图像；

36、通过人脸识别模型，对上述候选图像进行识别，若上述候选图像的识别结果为上述候选图像中包括目标人脸的情况下，对上述候选图像中的目标人脸进行标注，并将标注处理后的候选图像确定为上述待处理视频的封面图像。

37、另一方面，本技术实施例提供了一种电子设备，包括处理器和存储器，该处理器和存储器相互连接；

38、上述存储器用于存储计算机程序；

39、上述处理器被配置用于在调用上述计算机程序时，执行本技术实施例提供的图像识别方法。

40、另一方面，本技术实施例提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行以实现本技术实施例提供的图像识别方法。

41、另一方面，本技术实施例提供了一种计算机程序产品，该计算机程序产品包括计算机程序，上述计算机程序被处理器执行时实现本技术实施例提供的图像识别方法。

42、在本技术实施例中，通过将经训练过程中的人脸识别模型识别，得到的无法被正确确定出人脸归属的训练样本作为目标训练样本，通过训练过程中的人脸识别模型以及训练过程中的质量识别模型对同一目标训练样本识别，根据二者的识别结果之间的关联程度参量，确定初始识别质量模块的损失值，并根据该损失值对初始识别质量模块进行训练，得到上述识别质量模块；并根据特征提取模块以及识别质量模块，能够快速得到识别精度较高的质量识别模型；从而可以通过该质量识别模型，准确确定出待处理图像的图像质量。