(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 202210542426.4 (22)申请日 2022.05.18 (71)申请人 北京万里红科技有限公司 地址 100089 北京市海淀区大柳树 富海中 心3号楼204室 (72)发明人 李茂林　张小亮　戚纪纲　 (74)专利代理 机构 北京维正专利代理有限公司 11508 专利代理师 何爽 (51)Int.Cl. G06V 40/18(2022.01) G06V 10/764(2022.01) G06V 10/44(2022.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 一种眼周特 征提取方法、 装置、 设备及 介质 (57)摘要 本申请涉及眼周特征提取的技术领域， 尤其 是涉及一种眼周特征提取方法、 装置、 设备及介 质， 该方法包括： 获取待检测眼周图像； 将待检测 眼周图像输入眼周特征提取网络， 得到眼周特 征， 其中， 眼周特征提取网络为基于多个眼周图 像样本进行训练后得到的。 本申请能够提取眼周 特征。 权利要求书3页 说明书16页 附图5页 CN 114913591 A 2022.08.16 CN 114913591 A 1.一种眼周特 征提取方法， 其特 征在于， 包括： 获取待检测眼周图像； 将所述待检测眼周图像输入眼周特征提取网络， 得到眼周特征， 其中， 所述眼周特征提 取网络为基于多个眼周图像样本进行训练后得到的。 2.根据权利要求1所述的眼周特征提取方法， 其特征在于， 所述眼周特征用于身份识 别。 3.根据权利要求1所述的眼周特征提取方法， 其特征在于， 所述将所述待检测眼周图像 输入眼周特 征提取网络， 得到眼周特 征， 包括： 对所述待检测眼周图像进行 特征提取， 得到局部特 征； 基于所述局部特 征进行特征处理， 得到全局特 征； 将所述局部特 征与所述全局特 征进行特征融合， 得到眼周特 征。 4.根据权利要求3所述的眼周特征提取方法， 其特征在于， 所述对所述待检测眼周图像 进行特征提取， 得到局部特 征， 包括： 基于所述待检测眼周图像通过特征提取模块， 得到所述局部特征， 其中， 所述特征提取 模块包括： 多组残差模块以及多组卷积组件。 5.根据权利要求4所述的眼周特征提取方法， 其特征在于， 所述基于所述待检测眼周图 像通过特征提取模块， 得到所述局部特 征， 包括： 将所述待检测眼周图像输入第一残差模块， 得到第一局部特 征； 将所述第一局部特征输入第二残差模块， 得到第二局部特征， 并将所述第二局部特征 输入第三残差模块， 得到第三局部特 征； 将所述第二局部特 征与第三局部特 征进行融合， 得到初始第一局部融合特 征； 将所述初始第一局部融合特 征进行卷积， 得到第一局部融合特 征； 将所述第一局部融合特 征输入到第四残差模块， 得到第四局部特 征； 将所述第一局部特 征与第四局部特 征进行融合， 得到第二局部融合特 征； 将所述第二局部融合特 征依次通过多组卷积组件， 得到所述局部特 征。 6.根据权利要求3所述的眼周特征提取方法， 其特征在于， 所述基于所述局部特征进行 特征处理， 得到全局特 征， 包括： 基于所述局部特 征通过第一卷积组件， 得到第一目标 特征； 基于所述第一目标 特征通过第二卷积组件， 得到第二目标 特征； 基于所述第一目标 特征通过多个t ransformer结构， 得到第三目标 特征； 基于所述第二目标 特征与所述第三目标 特征进行特征融合， 得到全局特 征。 7.根据权利要求6所述的眼周特征提取方法， 其特征在于， 所述基于所述第 一目标特征 通过多个t ransformer结构， 得到第三目标 特征包括： 基于所述第一目标 特征， 得到第一特 征图、 第二特 征图、 第三特 征图； 将所述第一特 征图与所述第二特 征图进行矩阵乘积计算， 得到特 征图乘积； 对所述特 征图乘积进行缩放， 得到特 征图乘积的权 重； 将所述特 征图乘积的权 重进行池化， 得到池化后的权 重； 将所述池化后的权 重进行归一 化， 得到归一 化权重； 基于所述第三特 征图中每一特 征的位置信息进行加法计算， 得到特 征和；权　利　要　求　书 1/3 页 2 CN 114913591 A 2基于所述特 征和与所述归一 化权重进行矩阵计算， 得到计算结果； 将所述第一目标特征进行池化， 得到池化后第一目标特征， 并将所述池化后第一目标 特征与所述计算结果进行融合， 得到初始第三目标 特征； 将所述初始第三目标特征作为所述第一目标特征， 通过下一transformer结构， 直至得 到所述第三目标 特征。 8.根据权利要求3所述的眼周特征提取方法， 其特征在于， 所述将所述局部特征与 所述 全局特征进行特征融合， 得到眼周特 征， 包括： 将所述局部特 征与所述全局特 征进行融合， 得到初始融合特 征； 将所述初始融合特 征顺序输入多组残差模块， 得到目标融合特 征； 将所述目标融合特 征顺序输入多组全连接层， 得到所述眼周特 征。 9.根据权利要求1所述的眼周特征提取方法， 其特征在于， 所述眼周特征提取网络的训 练过程， 包括： 获取多个眼周图像样本， 所述多个眼周图像样本包括多个眼周图像样本图片与各自对 应的标签； 获取待训练眼周特 征提取网络； 根据所述多个眼周图像样本对所述待训练眼周特征提取网络进行训练， 得到所述眼周 特征提取网络 。 10.根据权利要求9所述的眼周特征提取方法， 其特征在于， 所述标签包括身份信息标 签， 所述根据所述多个眼周图像样本对所述待训练眼周特征提取网络进行训练， 得到所述 眼周特征提取网络， 包括： 将所述多个眼周图像样本图片输入到待训练模型， 得到预测的各样本图片对应的身份 信息， 其中， 所述待训练模型包括： 待训练眼周特征提取网络与待训练全连接层以及 待训练 分类器， 其中， 所述待训练眼周特 征提取网络用于提取样本图片的眼周特 征； 根据所述预测的各眼周图像样本图片对应的身份信息与各自对应的身份信息标签利 用预设损失函数， 确定损失值； 根据所述损失值和所述多个眼周图像样本图片对所述待训练模型进行迭代训练， 直至 所述损失值达到预设损失 阈值， 得到最终训练模型， 其中最 终训练模 型包括： 眼周特征提取 网络、 全连接层以及分类 器； 从所述最终训练模型中提取 所述眼周特 征提取网络 。 11.一种眼周特 征提取装置， 其特 征在于， 包括： 获取模块： 用于获取待检测眼周图像； 得到模块： 用于将所述待检测眼周图像输入眼周特征提取网络， 得到眼周特征， 其中， 所述眼周特 征提取网络为基于多个眼周图像样本进行训练后得到的。 12.一种电子设备， 其特 征在于， 包括： 至少一个处 理器； 存储器； 至少一个应用程序， 其中至少一个应用程序被存储在存储器中并被配置为由至少一个 处理器执行， 所述至少一个应用程序配置用于： 执行权利要求 1～10任一项 所述的眼周特征 提取方法。权　利　要　求　书 2/3 页 3 CN 114913591 A 3