(19)中华 人民共和国 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 202111679844.X (22)申请日 2021.12.31 (71)申请人 智慧眼科技股份有限公司 地址 410000 湖南省长 沙市高新 开发区尖 山路39号长 沙中电软件园一期14栋 (72)发明人 刘伟华　王栋　 (74)专利代理 机构 深圳众鼎汇成知识产权代理 有限公司 4 4566 代理人 朱业刚 (51)Int.Cl. G06V 10/72(2022.01) G06V 10/774(2022.01) G06V 10/776(2022.01) G06V 40/16(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 人脸识别模型训练方法、 人脸识别方法、 装 置及相关 设备 (57)摘要 本发明公开了一种人脸识别模 型训练方法、 人脸识别方法、 装置及相关设备， 应用于数据处 理领域。 本发明提供的方法包括： 对参与训练的 人脸图像进行图像预处理， 得到人脸图像集， 基 于特征提取网络， 对人脸图像集进行特征提取， 得到特征向量， 并对特征向量进行范数操作， 得 到与图像质量相关的特征范数， 使用压缩映射的 方式对特征范数进行压缩， 得到压缩后的特征范 数， 通过压缩后的特征范数构建基于特征范数的 损失函数， 基于损失函数计算特征范数的压缩损 失， 并采用压缩损失对初始人脸识别模型的参数 进行训练， 得到人脸识别模型， 采用本发明可提 高低质图像识别的准确率。 权利要求书2页 说明书7页 附图3页 CN 114255354 A 2022.03.29 CN 114255354 A 1.一种人脸识别模型训练方法， 其特 征在于， 所述方法包括： 对参与训练的人脸图像进行图像预处 理， 得到人脸图像集； 基于特征提取网络， 对所述人脸图像集进行特征提取， 得到特征向量， 并对所述特征向 量进行范数操作， 得到与图像质量相关的特 征范数； 使用压缩映射的方式对所述特 征范数进行压缩， 得到 压缩后的特 征范数； 通过所述压缩后的特 征范数构建基于特 征范数的损失函数； 基于所述损失函数计算所述特征范数的压缩损失， 并采用所述压缩损失对所述初始人 脸识别模型的参数进行训练， 得到人脸识别模型。 2.根据权利要求1所述的人脸识别模型训练方法， 其特征在于， 所述使用压缩映射的方 式对所述特 征范数进行压缩， 得到 压缩后的特 征范数包括： 采用如下压缩函数映射 函数对所述特 征范数进行压缩： f(||x||)＝slower+(2Sigmo id(γ||x||)‑1)×(supper‑slower) 其中Sigmoid(.)为Logistic  Sigmoid函数， supper和slower是人脸图像集所求特征范数的 上下边界， γ是控制压缩强度的参数。 3.根据权利要求2所述的人脸识别模型训练方法， 其特征在于， 所述γ基于参与训练 的 人脸图像的质量分布进行设定 。 4.根据权利要求1至3任一项所述的人脸识别模型训练方法， 其特征在于， 所述通过所 述压缩后的特 征范数构建基于特 征范数的损失函数包括： 其中， m为网络训练时数据批量大小， c为类别数目， xi和yi分别是第i个样本的特征向量 和类别， Wj和bj分别是网络中类别权重矩阵的第j个权重向量和 偏置。 ||·||为向量的L2范 数， 是权重向量Wj和特征向量xi的夹角余弦值。 5.一种人脸识别方法， 其特 征在于， 所述人脸识别方法包括： 获取待识别人脸图像； 将所述待识别人脸图像输入到人脸识别模型中进行识别， 得到识别结果， 其中， 所述人 脸识别模型为权利要求1至4任一项所述的人脸识别模型。 6.一种人脸识别模型训练装置， 其特 征在于， 所述人脸识别模型训练装置包括： 图像集获取模块， 用于对参与训练的人脸图像进行图像预处 理， 得到人脸图像集； 特征范数计算模块， 用于基于特征提取网络， 对所述人脸图像集进行特征提取， 得到特 征向量， 并对所述特 征向量进行 范数操作， 得到与图像质量相关的特 征范数； 特征范数压缩模块， 用于使用压缩 映射的方式对所述特征范数进行压缩， 得到压缩后 的特征范数； 损失函数确定模块， 用于通过 所述压缩后的特 征范数构建基于特 征范数的损失函数； 模型训练模块， 用于基于所述损 失函数计算所述特征范数的压缩损 失， 并采用所述压 缩损失对所述初始人脸识别模型的参数进行训练， 得到人脸识别模型。权　利　要　求　书 1/2 页 2 CN 114255354 A 27.根据权利要求6所述的人脸识别模型训练装置， 其特征在于， 所述特征范数压缩模块 包括： 特征压缩单 元， 用于采用如下压缩函数映射 函数对所述特 征范数进行压缩： f(||x||)＝slower+(2Sigmo id(γ||x||)‑1)×(supper‑slower) 其中Sigmoid(.)为Logistic  Sigmoid函数， supper和slower是人脸图像集所求特征范数的 上下边界， γ是控制压缩强度的参数。 8.一种人脸识别装置， 其特 征在于， 所述人脸识别装置包括： 图像获取模块， 用于获取待识别人脸图像； 人脸识别模块， 用于将所述待识别人脸图像输入到人脸识别模型中进行识别， 得到识 别结果， 其中， 所述人脸识别模型为权利要求1至4任一项所述的人脸识别模型。 9.一种计算机设备， 包括存储器、 处理器以及存储在所述存储器中并可在所述处理器 上运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求 1至 4中任一项 所述人脸识别模型训练方法的步骤， 或者， 所述处理器执行所述计算机程序时实 现如权利要求5所述人脸识别方法的步骤。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处理器执行时实现如权利要求 1至4中任一项 所述人脸识别模型训练 方法的步骤， 或者， 所述计算机程序被处理器执行时实现如权利要求5中所述人脸识别方法 的步骤。权　利　要　求　书 2/2 页 3 CN 114255354 A 3