(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 202211154023.9 (22)申请日 2022.09.21 (71)申请人 北京的卢深视科技有限公司 地址 100083 北京市海淀区学院路甲5号2 幢平房B北3 032室 申请人 合肥的卢深视科技有限公司 (72)发明人 魏梦　随海亮　赵欲苗　陈智超　 户磊　 (74)专利代理 机构 北京智晨知识产权代理有限 公司 11584 专利代理师 张婧 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01)G06V 10/82(2022.01) (54)发明名称 人脸识别、 模型训练方法、 装置、 电子设备及 存储介质 (57)摘要 本发明实施例涉及人工智能领域， 公开了一 种人脸识别、 模型训练方法、 装置、 电子设备及存 储介质， 模型训练方法包括： 获取输入 图像的人 脸特征图， 其中， 输入图像包括戴口罩人脸图像 和不戴口罩人脸图像； 根据人脸特征图及输入图 像的口罩覆盖区域位置信息， 生成口罩覆盖区域 特征置零的口罩特征掩模； 其中， 口罩覆盖区域 位置信息基于人脸关键点检测结果确定； 根据口 罩特征掩模和人脸特征图， 获取输入图像的特征 向量； 根据特征向量及预设损失函数， 获取人脸 识别结果的损失值， 并根据损失值对 人脸识别模 型进行参数更新。 识别戴口罩人脸图像时， 利用 生成的口罩特征掩模使口罩覆盖区域人脸特征 在人脸识别中贡献变小， 准确完成戴口罩人脸图 像的人脸识别。 权利要求书3页 说明书9页 附图3页 CN 115527254 A 2022.12.27 CN 115527254 A 1.一种人脸识别模型训练方法， 其特 征在于， 包括： 获取输入图像的人脸特征图， 其中， 所述输入图像包括戴口罩人脸图像和不戴口罩人 脸图像； 根据所述人脸特征图及所述输入图像的口罩覆盖区域位置信 息， 生成所述口罩覆盖区 域特征置零的口罩特征掩模； 其中， 所述口罩覆盖区域位置信息基于人脸关键点检测结果 确定； 根据所述口罩特 征掩模和所述人脸特 征图， 获取 所述输入图像的特 征向量； 根据所述特征向量及预设损 失函数， 获取人脸识别结果的损 失值， 并根据所述损 失值 对所述人脸识别模型进行参数 更新。 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， 所述根据 所述人脸特征 图及所述输入图像的口罩覆盖区域位置信息， 生成所述口罩覆盖区域特征置零的口罩特征 掩模， 包括： 根据预设函数， 获取 所述人脸特 征图中各 特征值对应的权 重； 根据所述口罩覆盖区域位置信息， 将所述口罩覆盖区域的特征值的权重置零， 生成所 述口罩特 征掩模。 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， 所述根据 所述人脸特征 图及所述输入图像的口罩覆盖区域位置信息， 生成所述口罩覆盖区域特征置零的口罩特征 掩模， 包括： 获取特征提取网络 输出的第i层的原 始人脸特 征图； 其中， i 为正整数； 根据所述预设函数， 获取 所述第i层的原 始人脸特 征图中各 特征值对应的权 重； 根据所述口罩覆盖区域位置信息， 将所述口罩覆盖区域的特征值的权重置零， 生成第i 层的口罩特征掩模； 所述获取输入图像的人脸特 征图， 包括： 获取所述第i层的原始人脸特征图与所述第i层的口罩特征掩模按对应通道相乘的结 果， 将所述相乘的结果作为第i层的所述人脸特 征图。 4.根据权利要求3所述的人脸识别模型训练方法， 其特征在于， 所述根据口罩覆盖区域 位置信息， 将所述口罩覆盖区域的特 征值置零； 包括： 获取所述第i层的原 始人脸特 征图的特 征尺寸； 根据所述第i层的原始人脸特征图的特征尺寸， 对所述口罩覆盖区域位置信息进行尺 寸缩放； 根据尺寸缩放后的所述口罩覆盖区域位置信息， 将所述第i层的原始人脸特征图中所 述口罩覆盖区域的特 征值的权 重置零。 5.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， 所述根据预设函数， 获 取所述人脸特 征图中各 特征值对应的权 重， 包括： 根据所述预设函数， 将所述口罩特 征掩模中各点的特 征值归一 化到0至1的区间内。 6.根据权利要求1至5中任一项所述的人脸识别模型训练方法， 其特征在于， 所述不戴 口罩人脸图像可以通过以下 方式获取： 根据预设人脸检测算法， 分别对若干不戴口罩的人脸图像进行 人脸关键点检测； 对于每个所述不戴口罩的人脸图像， 根据所述人脸关键点检测的结果， 对所述不戴口权　利　要　求　书 1/3 页 2 CN 115527254 A 2罩的人脸图像进行 人脸关键点 矫正， 生成若干所述 不戴口罩人脸图像。 7.根据权利要求6所述的人脸识别模型训练方法， 其特征在于， 所述戴口罩人脸图像可 以通过以下 方式获取： 选取若干所述 不戴口罩人脸图像； 对于选取的每个所述不戴口罩人脸图像， 根据预设的模拟口罩添加算法， 为所述不戴 口罩人脸图像添加模拟口罩， 生成若干所述戴口罩人脸图像。 8.根据权利要求6所述的人脸识别模型训练方法， 其特征在于， 所述预设人脸检测算法 为以下任一检测算法： 68关键点检测算法、 98关键点检测算法和128关键点检测算法。 9.根据权利要求6所述的人脸识别模型训练方法， 其特征在于， 所述口罩覆盖区域位置 信息可以通过以下 方式获取： 根据所述人脸关键点检测结果及预设选取规则， 选取一组所述人脸关键点作为口罩覆 盖区域的边界； 将选取的各 所述人脸关键点的编码及位置信息， 作为所述口罩覆盖区域 位置信息 。 10.一种人脸识别方法， 其特 征在于， 包括： 根据如权利要求1至9中任一项所述的人脸识别模型训练方法， 获取训练完成的人脸识 别模型； 获取待识别人脸图像， 将所述待识别人脸图像作为所述人脸识别模型的输入， 获取人 脸识别结果。 11.一种人脸识别模型训练装置， 其特 征在于， 包括： 获取模块， 用于获取输入图像的人脸特征图， 其中， 所述输入图像包括戴口罩人脸图像 和不戴口罩人脸图像； 生成模块， 用于根据所述人脸特征图及所述输入图像的口罩覆盖区域位置信息， 生成 所述口罩覆盖区域特征置零的口罩特征掩模； 其中， 所述口罩覆盖区域位置信息基于人脸 关键点检测结果确定； 提取模块， 用于根据所述口罩特征掩模和所述人脸特征图， 获取所述输入图像的特征 向量； 训练模块， 用于根据 所述特征向量及预设损失函数， 获取人脸识别结果的损失值， 并根 据所述损失值对所述人脸识别模型进行参数 更新。 12.一种人脸识别装置， 其特 征在于， 包括： 获取模块， 用于根据如权利要求1至9中任一项所述的人脸识别模型训练方法， 获取训 练完成的人脸识别模型； 识别模块， 用于获取待识别人脸图像， 将所述待识别人脸图像作为所述人脸识别模型 的输入， 获取 人脸识别结果。 13.一种电子设备， 其特 征在于， 包括： 至少一个处 理器； 以及， 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的指令， 所述指令被所述至少一个处 理器执行， 以使所述至少一个处理器能够执行如权利要求 1至9中任意一项所述的人脸识别 模型训练方法， 或如权利要求10所述的人脸识别方法。 14.一种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权　利　要　求　书 2/3 页 3 CN 115527254 A 3