(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 202211158173.7 (22)申请日 2022.09.22 (71)申请人 中国工商银行股份有限公司 地址 100140 北京市西城区复兴门内大街 55号 (72)发明人 代欢欢　宋府昌　张丽　张俊俊　 (74)专利代理 机构 北京康信知识产权代理有限 责任公司 1 1240 专利代理师 黄海英 (51)Int.Cl. G06V 40/16(2022.01) G06V 40/20(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 头部姿态的识别方法和装置、 处理器及电子 设备 (57)摘要 本申请公开了一种头部姿态的识别方法和 装置、 处理器及电子设备， 涉及人工智 能技术领 域， 该方法包括： 获取待处理的目标图像， 其中， 所述目标图像中至少包括目标对象的头部图像； 将所述目标图像输入到目标姿态识别模型中， 通 过所述目标姿态识别模型输出头部姿态角， 其 中， 所述目标姿态识别模型中至少包括： 特征提 取层和头部姿态识别层， 所述特征提取层中至少 包括最大池化层、 抗混叠卷积层和降采样层， 所 述抗混叠卷积层由高斯滤波器构建得到， 其中， 所述头部姿态角用于表征所述目标对象的头部 姿态。 通过本申请， 解决了相关技术中的神经网 络模型容易产生图像混叠 现象， 导致预测头部姿 态的准确率比较低的问题。 权利要求书2页 说明书12页 附图3页 CN 115439913 A 2022.12.06 CN 115439913 A 1.一种头 部姿态的识别方法， 其特 征在于， 包括： 获取待处 理的目标图像， 其中， 所述目标图像中至少包括目标对象的头 部图像； 将所述目标图像输入到目标姿态识别模型中， 通过所述目标姿态识别模型输出头部姿 态角， 其中， 所述目标姿态识别模型中至少包括： 特征提取层和头部姿态识别层， 所述特征 提取层中至少包括最大池化层、 抗混叠卷积层和降采样层， 所述抗混叠卷积层由高斯滤波 器构建得到， 其中， 所述头 部姿态角用于表征 所述目标对象的头 部姿态。 2.根据权利要求1所述的方法， 其特征在于， 通过所述目标姿态识别模型输出头部姿态 角包括： 通过特征提取层对所述目标图像进行处 理， 得到目标 特征图； 通过头部姿态识别层对所述目标 特征图进行识别， 得到所述头 部姿态角。 3.根据权利要求2所述的方法， 其特征在于， 通过特征提取层对所述目标图像进行处 理， 得到目标 特征图包括： 通过所述最大池化层对所述目标图像进行池化， 得到候选特 征图； 通过所述抗混叠卷积层对所述 候选特征图进行 卷积， 得到处 理后的候选特 征图； 通过所述降采样层对所述处 理后的候选特 征图进行采样， 得到所述目标 特征图。 4.根据权利要求1所述的方法， 其特征在于， 在通过所述目标姿态识别模型输出头部姿 态角之后， 所述方法还 包括： 将所述头 部姿态角发送至客户端； 接收所述客户端返回的对所述头部姿态角的调整信息， 其中， 所述调整信息为将所述 目标图像对应的头 部姿态调整至目标姿态； 依据所述头 部姿态角的调整信息优化所述目标姿态 识别模型。 5.根据权利要求1所述的方法， 其特征在于， 所述目标姿态识别模型采用以下步骤训练 得到： 获取多个训练样本， 其中， 所述多个训练样本至少包括： 多个训练样本图像和所述多个 训练样本图像对应的标准头部姿态角和所述多个训练样本图像对应的标准人脸关键点信 息； 将所述多个训练样本输入到初始姿态识别模型中， 通过所述初始姿态识别模型中的人 脸关键点检测层得到预测人脸关键点信息， 并通过所述初始姿态识别模型中的头部姿态识 别层得到预测头 部姿态角； 基于所述标准头部姿态角、 所述预测头部姿态角、 所述标准人脸关键点信息和所述预 测人脸关键点信息， 构建目标损失函数； 依据所述目标损失函数对所述初始姿态识别模型进行训练， 以得到所述目标姿态识别 模型。 6.根据权利要求5所述的方法， 其特征在于， 基于所述标准头部姿态角、 所述预测头部 姿态角、 所述标准人脸关键点信息和所述预测人脸关键点信息， 构建目标损失函数包括： 对所述标准头部姿态角和所述预测头部姿态角的偏差进行计算， 得到第一偏差量， 并 依据所述第一偏差量构建第一损失函数； 对所述标准人脸关键点信 息和所述预测人脸关键点信 息的偏差进行计算， 得到第 二偏 差量， 并依据所述第二偏差量构建第二损失函数；权　利　要　求　书 1/2 页 2 CN 115439913 A 2基于所述第一损失函数和所述第二损失函数构建所述目标损失函数。 7.根据权利要求6所述的方法， 其特征在于， 基于所述第 一损失函数和所述第 二损失函 数构建所述目标损失函数包括： 设置所述第一损失函数的第一权 重值， 并设置所述第二损失函数的第二权 重值； 依据所述第一损失函数， 所述第 二损失函数， 所述第 一权重值和所述第 二权重值， 构建 所述目标损失函数。 8.一种头 部姿态的识别装置， 其特 征在于， 包括： 第一获取单元， 用于获取待处理的目标图像， 其中， 所述目标图像 中至少包括目标对象 的头部图像； 输出单元， 用于将所述目标图像输入到目标姿态识别模型中， 通过所述目标姿态识别 模型输出头部姿态角， 其中， 所述目标姿态识别模 型中至少包括： 特征提取层和头部姿态识 别层， 所述特征提取层中至少包括最大池化层、 抗混叠卷积层和降采样层， 所述抗混叠卷积 层由高斯滤波器构建得到， 其中， 所述头 部姿态角用于表征 所述目标对象的头 部姿态。 9.一种处理器， 其特征在于， 所述处理器用于运行程序， 其中， 所述程序运行时执行权 利要求1至7中任意 一项所述的头 部姿态的识别方法。 10.一种电子设备， 其特征在于， 包括一个或多个处理器和存储器， 所述存储器用于存 储一个或多个程序， 其中， 当所述一个或多个程序被所述一个或多个处理器执行时， 使得所 述一个或多个处 理器实现权利要求1至7中任意 一项所述的头 部姿态的识别方法。权　利　要　求　书 2/2 页 3 CN 115439913 A 3