【技术实现步骤摘要】
本专利技术涉及一种基于角度信息辅助的人脸识别模型训练方法、系统、终端及介质。
技术介绍
1、当前的人脸识别模型的流程通常是通过人脸检测、人脸对齐、特征提取、特征比对这样的流程进行。在人脸识别过程中，我们用到的特征一般是经过人脸对齐后的人脸经过人脸识别模型后提取的特征向量。在合适的损失函数选择下，目前基于这样的流程训练出的模型对人脸都能够具有较高的辨识度，但在遇到角度较大的人脸时，人脸的特征与底库中录入正脸的特征相似度还是会有一定程度的下降。在人脸识别用于一些需要快速识别场景的时候，可能会造成识别卡顿等现象。
技术实现思路
1、为克服现有技术中的缺陷，本专利技术提出了一种基于角度信息辅助的人脸识别模型训练方法，其具体技术方案如下：
2、一种基于角度信息辅助的人脸识别模型训练方法，包括以下步骤：
3、s1:获取人脸图像，输入主干网络进行特征图压缩和特征提取获取第一特征层，其中第一特征层具有512维特征向量；
4、s2:将第一特征层的512维特征向量按顺序四个一组划分为128组；
5、s3:基于人脸图像记录人脸关键点，基于人脸关键点计算人脸角度，所述人脸角度包括俯仰角、偏航角；
6、s4：人脸角度从主干网络的分支输入并接入128维全连接层处理后，产生128维与角度相关的向量；
7、s5：将128个与角度相关的向量与所划分的128组向量进行对位相乘后接入全连接层得到通过角度调整加权后的特征向量
8、s6：将
9、在s6中的损失函数的计算为softmax交叉熵损失函数的计算；其中softmax函数如下：
10、其中，wi为第i个神经元对应的全连接层权重，f为最终256维特征向量，n代表与softmax交叉熵损失函数连接的全连接层的神经元数量。
11、在进行softmax交叉熵损失函数的计算前，对wi和f进行归一化处理；处理公式为
12、本专利技术还提供一种基于角度信息辅助的人脸识别模型训练系统，包括：
13、特征提取模块，用于获取人脸图像，输入主干网络进行特征图压缩和特征提取获取第一特征层，其中第一特征层具有512维特征向量；
14、特征划分模块，用于将第一特征层的512维特征向量按顺序四个一组划分为128组；
15、人脸角度计算模块，用于基于人脸图像记录人脸关键点，基于人脸关键点计算人脸角度，所述人脸角度包括俯仰角、偏航角；
16、128维全连接层处理模块，用于将人脸角度从主干网络的分支输入并接入128维全连接层处理后，产生128维与角度相关的向量；
17、角度调整加权模块，用于将128个与角度相关的向量与所划分的128组向量进行对位相乘后接入全连接层得到通过角度调整加权后的特征向量
18、损失函数的计算，用于将加权后的特征向量输入256的全连接层输出256维特征向量，同时也对主干网络第一特征层得到的512维特征向量进行压缩，压缩为256维特征向量，并将这两组特征向量在特征维度对位相加形成最终的256维特征向量，送入最终分类的全连接层并进行损失函数的计算。
19、本专利技术还提供一种终端，包括处理器和存储器，所述存储器存储有程序指令，所述处理器运行程序指令实现如以上所述的方法中的步骤。
20、本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如以上所述的方法中的步骤。
21、本专利技术的有益效果是：
22、本专利技术方法在识别侧脸人脸时，对于同一个人，该模型会给出与平均人脸(或底库中录入人脸)更高的相似度，从而提升人脸识别的效率。
本文档来自技高网...【技术保护点】
1.一种基于角度信息辅助的人脸识别模型训练方法，包括以下步骤：
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：
3.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：在进行softmax交叉熵损失函数的计算前，对Wi和f进行归一化处理；处理公式为
4.一种基于角度信息辅助的人脸识别模型训练系统，其特征在于，包括：
5.一种终端，其特征在于，包括处理器和存储器，所述存储器存储有程序指令，所述处理器运行程序指令实现如权利要求1至3任一权利要求所述的方法中的步骤。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现如权利要求1至3任一权利要求所述的方法中的步骤。
【技术特征摘要】
1.一种基于角度信息辅助的人脸识别模型训练方法，包括以下步骤：
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：
3.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：在进行softmax交叉熵损失函数的计算前，对wi和f进行归一化处理；处理公式为
4.一种基于角度信息辅助的人脸识别模型...
【专利技术属性】
技术研发人员：申啸尘，周有喜，邹春友，
申请(专利权)人：深圳市芯联信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。