(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210316045.4 (22)申请日 2022.03.29 (71)申请人 平安科技 （深圳） 有限公司 地址 518033 广东省深圳市福田区福田街 道福安社区益田路5033号平 安金融中 心23楼 (72)发明人 陈欣　戴磊　刘玉宇　肖京　 (74)专利代理 机构 北京市京大律师事务所 11321 专利代理师 沈克琪 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 人脸特征提取方法、 装置、 设备及存 储介质 (57)摘要 本发明涉及人工智能技术领域， 公开了一种 人脸特征提取方法、 装置、 设备及存储介质， 用于 提高人脸特征提取的准确性。 方法包括： 获取包 含有人脸的目标图像； 将目标图像输入至预先训 练完成的人脸特征提取模型中； 其中， 该人脸特 征提取模型包括特征网络和注 意力网络； 通过特 征网络输 出目标图像中人脸的初始人脸特征； 通 过注意力网络输出目标图像中的注 意力特征； 其 中， 该注意力网络为预设的教师网络的学生网 络； 注意力网络基于教师网络训练得到； 注意力 特征用于指示初始人脸特征中特征因子的重要 程度； 基于注意力特征处理初始人脸特征， 得到 目标图像中人脸的最终人脸特征。 此外， 本发明 还涉及区块链 技术， 人脸特征提取的数据可存储 于区块链 节点中。 权利要求书2页 说明书11页 附图3页 CN 114783019 A 2022.07.22 CN 114783019 A 1.一种人脸特 征提取方法， 其特 征在于， 所述人脸特 征提取方法包括： 获取包含有人脸的目标图像； 将所述目标图像输入至预先训练完成的人脸特征提取模型中； 其中， 所述人脸特征提 取模型包括特 征网络和注意力网络； 通过所述特征网络输出所述目标图像中人脸的初始人脸特 征； 通过所述注意力网络输出所述目标图像中的注意力特征； 其中， 所述注意力网络为预 设的教师网络的学生网络； 所述注意力网络基于所述教师网络训练得到； 所述注意力特征 用于指示所述初始人脸特 征中特征因子的重要程度； 基于所述注意力特征处理所述初始人脸特征， 得到所述目标图像中人脸的最终人脸特 征。 2.根据权利要求1所述的人脸特征提取方法， 其特征在于， 所述注意力特征的特征维度 与所述初始人脸特征的特征维度的维度数量相同； 所述基于所述注意力特征处理所述初始 人脸特征， 得到所述目标图像中人脸的最终人脸特 征的步骤， 包括： 将所述初始人脸特征和所述注意力特征中， 特征维度相同的特征数据进行融合处理， 得到所述目标图像中人脸的最终人脸特 征。 3.根据权利要求2所述的人脸特征提取方法， 其特征在于， 所述初始人脸特征中包括多 个特征因子的初始因子值； 所述注意力特征中包括每个所述特征因子的权重； 所述将所述 初始人脸特征和所述注意力特征中， 特征维度相同的特征数据进行融合处理， 得到所述 目 标图像中人脸的最终人脸特 征的步骤， 包括： 针对所述初始人脸特征中的每个特征因子， 从所述注意力特征中提取所述特征因子的 权重， 将所述特 征因子的初始因子值乘以所述权 重， 得到所述特 征因子的最终因子值； 将每个所述特 征因子的最终因子值， 确定为所述目标图像中人脸的最终人脸特 征。 4.根据权利要求2所述的人脸特征提取方法， 其特征在于， 所述初始人脸特征中包括多 个特征因子的初始因子值； 所述注意力特征中包括每个所述特征因子的指示值； 所述将所 述初始人脸特征和所述注意力特征中， 特征维度相同的特征数据进行融合处理， 得到所述 目标图像中人脸的最终人脸特 征的步骤， 包括： 针对所述初始人脸特征中的每个特征因子， 从所述注意力特征中提取所述特征因子的 指示值， 如果所述指示值为预设的第一值， 将所述特征因子的初始因子值确定为所述特征 因子的最终因子值； 如果所述指示值为预设的第二值， 删除所述特征因子以及所述特征因 子的因子值； 将剩余的特 征因子的最终因子值， 确定为所述目标图像中人脸的最终人脸特 征。 5.根据权利要求1所述的人脸特征提取方法， 其特征在于， 所述注意力网络具体通过下 述方式训练得到： 获取包含有人脸的样本图像组； 其中， 所述样本图像组包括多张图像， 所述多张图像中 的人脸相同， 所述多张图像中人脸的拍摄角度不同； 提取所述样本图像组中第 一图像的第 一图像特征， 将所述第 一图像输入至预设的教师 网络， 输出第一注意力特征； 基于所述第一图像特征和所述第一注意力特征得到第一输出 结果； 提取所述样本图像组中第 二图像的第 二图像特征， 将所述第 二图像输入至预设的学生权　利　要　求　书 1/2 页 2 CN 114783019 A 2网络， 输出第二注意力特征； 基于所述第二图像特征和所述第二注意力特征得到第二输出 结果； 基于所述第 一输出结果和所述第 二输出结果计算损失值， 基于所述损失值训练所述学 生网络， 直至所述损失值收敛， 将所述损失值收敛时的学生网络确定为所述注意力网络 。 6.根据权利要求5所述的人脸特征提取方法， 其特征在于， 所述基于所述第 一图像特征 和所述第一注意力特征得到第一输出结果的步骤， 包括： 将所述第一图像特征和所述第一 注意力特 征中， 相同位置上的特 征值进行 特征融合处 理， 得到第一输出 结果； 所述基于所述第二图像特征和所述第二注意力特征得到第二输出结果的步骤， 包括： 将所述第二图像特征和所述第二注意力特征中， 相同位置上 的特征值进行特征融合处理， 得到第二输出 结果。 7.根据权利要求5所述的人脸特征提取方法， 其特征在于， 基于所述第 一输出结果和所 述第二输出结果计算损失值， 基于所述损失值训练所述学生网络， 直至所述损失值收敛 的 步骤， 包括： 基于所述第一输出 结果和所述第二输出 结果计算损失值； 基于所述损失值分别更新所述学生网络和所述教师网络的网络参数； 继续执行获取包 含有人脸的样本图像组的步骤， 直至所述损失值收敛。 8.一种人脸特 征提取装置， 其特 征在于， 所述人脸特 征提取装置包括： 获取模块， 用于获取包 含有人脸的目标图像； 输入模块， 将所述目标图像输入至预先训练完成的人脸特征提取模型中； 其中， 所述人 脸特征提取模型包括特 征网络和注意力网络； 第一输出模块， 用于通过 所述特征网络输出所述目标图像中人脸的初始人脸特 征； 第二输出模块， 用于通过所述注意力网络输出所述目标图像中的注意力特征； 其中， 所 述注意力网络为预设的教师网络的学生网络； 所述注意力网络基于所述教师网络训练得 到； 所述注意力特 征用于指示所述初始人脸特 征中特征因子的重要程度； 获得模块， 用于基于所述注意力特征处理所述初始人脸特征， 得到所述目标图像中人 脸的最终人脸特 征。 9.一种人脸特征提取设备， 其特征在于， 所述人脸特征提取设备包括： 存储器和至少一 个处理器， 所述存 储器中存 储有指令； 所述至少一个处理器调用所述存储器中的所述指令， 以使得所述人脸特征提取设备执 行如权利要求1 ‑7中任意一项所述的人脸特 征提取方法。 10.一种计算机可读存储介质， 其上存储有指令， 其特征在于， 所述指令被处理器执行 时实现如权利要求1 ‑7中任意一项所述的人脸特 征提取方法。权　利　要　求　书 2/2 页 3 CN 114783019 A 3