(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 202210914189.X (22)申请日 2022.07.29 (71)申请人 成都云天励飞技 术有限公司 地址 610000 四川省成 都市双流区西航港 街道临港路一段32号成都东航中心2 号楼8层801、 808、 809单位室 申请人 深圳云天励飞技 术股份有限公司 (72)发明人 吴鹏　肖嵘　王孝宇　 (74)专利代理 机构 深圳市力道知识产权代理事 务所(普通 合伙) 44507 专利代理师 何姣 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/74(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06T 5/30(2006.01) (54)发明名称 人脸识别模 型训练方法、 识别方法、 装置、 设 备及介质 (57)摘要 本申请提供一种人脸识别模 型训练方法、 识 别方法、 装置、 设备及介质， 该方法包括： 获取多 个第一样本人脸图像以及每个所述第一样本人 脸图像对应的身份标识码； 对所述多个第一样本 人脸图像进行预设增广处理， 得到多个第一人脸 图像， 并根据预设的图像增广模型， 对所述多个 第一样本人脸图像进行增广处理， 得到多个第二 人脸图像； 根据所述多个第一人脸图像和所述多 个第二人脸图像， 对预设的人脸识别模 型进行训 练， 直至所述人脸识别模型收敛。 本申请通过对 第一人脸图像和第二人脸图像对预设的人脸识 别模型进行联合训练， 使训练出的人脸识别模型 更加准确。 权利要求书3页 说明书14页 附图6页 CN 115410249 A 2022.11.29 CN 115410249 A 1.一种人脸识别模型训练方法， 其特 征在于， 包括： 获取多个第一样本人脸图像以及每 个所述第一样本人脸图像对应的身份标识码； 对所述多个第一样本人脸图像进行预设增广处理， 得到多个第一人脸图像， 并根据预 设的图像增广模型， 对所述多个第一样本人脸图像进 行增广处理， 得到多个第二人脸图像， 所述第一样本人脸图像与对应所述第二人脸图像的身份标识码相同， 所述图像增广模型用 于对所述第一人脸图像进行图像模糊增广； 根据所述多个第一人脸图像和所述多个第 二人脸图像， 对预设的人脸识别模型进行训 练， 直至所述人脸识别模型收敛。 2.如权利要求1所述的人脸识别模型训练方法， 其特征在于， 所述根据 所述多个第 一人 脸图像和所述多个第二人脸图像， 对预设的人脸识别模型进行训练， 直至所述人脸识别模 型收敛， 包括： 将所述第一人脸图像输入至所述人脸识别模型进行处 理， 得到第一特 征向量； 将所述第二人脸图像输入至所述人脸识别模型进行处 理， 得到第二特 征向量； 根据所述第一特征向量和所述第二特征向量， 确定所述人脸识别模型的目标损 失值， 并根据所述目标损失值， 确定所述人脸识别模型 是否收敛； 若所述人脸识别模型未收敛， 则调整所述人脸识别模型的模型参数， 以更新所述人脸 识别模型， 并继续训练更新后的所述人脸识别模型， 若 所述人脸识别模型收敛， 则得到收敛 后的人脸识别模型。 3.如权利要求2所述的人脸识别模型训练方法， 其特征在于， 所述根据 所述第一特征向 量和第二特 征向量， 确定所述人脸识别模型的目标损失值， 包括： 根据所述第 一特征向量以及所述第 一特征向量对应的所述身份标识码， 生成第 一损失 值； 根据所述第二特 征向量和所述第一特 征向量， 生成第二损失值； 对所述第一损失值和所述第二损失值进行加权求和， 得到目标损失值。 4.如权利要求1所述的人脸识别模型训练方法， 其特征在于， 所述获取多个第 一样本人 脸图像以及每 个所述第一样本人脸图像对应的身份标识码之前， 还 包括： 获取多个第二样本人脸图像， 并给每个所述第二样本人脸图像添加噪声， 得到多个第 三样本人脸图像； 根据多个所述第三样本人脸图像， 对预设的图像增广模型进行训练， 直至所述图像增 广模型收敛。 5.如权利要求4所述的人脸识别模型训练方法， 其特征在于， 所述给每个所述第 二样本 人脸图像添加噪声， 得到多个第三样本人脸图像， 包括： 获取预设的光子噪声、 读出噪声和量 化噪声； 根据每个所述第二样本人脸图像的分辨率， 给每个所述第 二样本人脸图像添加所述光 子噪声、 读出噪声和量 化噪声， 得到多个第三样本人脸图像。 6.如权利要求4所述的人脸识别模型训练方法， 其特征在于， 所述根据多个所述第 三样 本人脸图像， 对预设的图像增广模型进行训练， 直至所述图像增广模型收敛， 包括： 通过预设的图像增广模型对各所述第 三样本人脸图像进行处理， 得到多个第 三人脸图 像；权　利　要　求　书 1/3 页 2 CN 115410249 A 2根据多个所述第二样本人脸图像和多个所述第 三人脸图像， 确定所述图像增广模型是 否收敛； 若所述图像增广模型未收敛， 调整所述图像增广模型的模型参数， 以更新所述图像增 广模型， 并继续训练更新后的所述图像增广模型， 直至所述图像增广模型收敛。 7.如权利要求6所述的人脸识别模型训练方法， 其特征在于， 所述根据多个所述第 二样 本人脸图像和多个所述第三人脸图像， 确定所述图像增广模型 是否收敛， 包括： 计算各身份标识码相匹配的两个所述第 二样本人脸图像之间的人脸特征相似度， 得到 各所述身份标识码对应的至少一个人脸相似度， 并根据各所述人脸相似度建立第一相似度 直方图； 计算各身份标识码相匹配的两个所述第 三人脸图像之间的人脸特征相似度， 得到各所 述身份标识码对应的至少一个人脸相似度， 并根据各所述人脸相似度建立第二相似度直方 图； 对所述第一相似度直方图进行曲线拟合， 得到第一曲线， 并对所述第二相似度直方图 进行曲线拟合， 得到第二曲线； 确定所述第一曲线与坐标轴所围成的第一区域以及所述第二曲线与坐标轴所围成的 第二区域； 在所述第一区域与 所述第二区域的交集区域的面积大于或等于预设面积阈值 时， 确定 所述图像增广模型已收敛。 8.一种人脸识别方法， 其特 征在于， 包括： 获取待识别的人脸图像； 将所述待识别的人脸图像输入至人脸识别模型， 得到所述待识别的人脸图像对应的人 物的身份特征， 其中， 所述人脸识别模 是通过权利要求 1‑7中任一项 所述的人脸识别模型训 练方法进行训练得到的； 根据所述身份特征和预设的身份信 息库， 确定所述待识别的人脸图像对应的人物的身 份信息。 9.一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第一获 取模块、 生成模块和第一训练模块， 其中： 所述第一获取模块， 用于获取多个第 一样本人脸图像以及每个所述第 一样本人脸图像 对应的身份标识码； 所述生成模块， 用于对所述多个第一样本人脸图像进行预设增广处理， 得到多个第一 人脸图像， 并根据预设的图像增广模型， 对所述多个第一样本人脸图像进 行增广处理， 得到 多个第二人脸图像， 所述第一样本人脸图像与对应所述第二人脸图像的身份标识码相同， 所述图像增广模型用于对所述第一人脸图像进行图像模糊增广； 所述第一训练模块， 用于根据所述多个第一人脸图像和所述多个第二人脸图像， 对预 设的人脸识别模型进行训练， 直至所述人脸识别模型收敛。 10.一种终端设备， 其特征在于， 所述终端设备包括处理器、 存储器、 以及存储在所述存 储器上并可被所述处理器执行 的计算机程序， 其中所述计算机程序被所述处理器执行时， 实现如权利要求1至7中任一项所述的人脸识别模型训练方法和/或权利要求8所述的人脸 识别方法的步骤。权　利　要　求　书 2/3 页 3 CN 115410249 A 3