模型更新方法和装置、人脸识别方法、设备及存储介质与流程

本技术涉及人工智能，尤其涉及一种模型更新方法和装置、人脸识别方法、设备及存储介质。

背景技术：

1、随着模式识别技术的逐步成熟，基于生物体体征对生物个体进行生物识别开始在身份识别领域得到应用及推广，许多支付平台已经基于人脸识别推出刷脸支付等快捷支付方式。

2、目前的人脸识别方法在边缘设备上基于模型对采集到的人脸图像进行图像识别时，常常难以全面地提取人脸视觉信息，无法直接、准确地识别出人脸图像对应的人物身份，存在着人脸识别准确性不高的问题。

技术实现思路

1、本技术实施例的主要目的在于提出一种语音转换模型的训练方法和装置、电子设备及存储介质，旨在提高模型对人脸识别的准确性。

2、为实现上述目的，本技术实施例的第一方面提出了一种模型更新方法，所述方法包括：

3、获取样本人脸图像数据；

4、对所述样本人脸图像数据进行数据划分，得到训练人脸图像数据和测试人脸图像数据；

5、获取原始人脸识别模型，其中，所述原始人脸识别模型包括特征提取网络和识别网络；

6、获取所述识别网络的原始隐藏层单元的第一位置分布数据和第一单元数量；

7、基于所述第一位置分布数据和所述第一单元数量，确定新增隐藏层单元的第二单元数量和第二位置分布数据；

8、基于所述训练人脸图像数据和所述新增隐藏层单元的第二单元数量和第二位置分布数据对所述原始人脸识别模型进行模型训练，得到初始人脸识别模型；

9、基于所述测试人脸图像数据对所述初始人脸识别模型进行模型优化，得到目标人脸识别模型，所述目标人脸识别模型用于对目标对象的目标人脸图像进行识别处理，得到所述目标对象的人物身份信息。

10、在一些实施例，所述对所述样本人脸图像数据进行数据划分，得到训练人脸图像数据和测试人脸图像数据，包括：

11、对所述样本人脸图像数据进行图像亮度调整，得到中间人脸图像数据；

12、对所述中间人脸图像数据进行像素归一化，得到初始人脸图像数据；

13、根据预设的比例参数对所述初始人脸图像数据进行数据划分，得到所述训练人脸图像数据和测试人脸图像数据。

14、在一些实施例，所述基于所述训练人脸图像数据和所述新增隐藏层单元的第二单元数量和第二位置分布数据对所述原始人脸识别模型进行模型训练，得到初始人脸识别模型，包括：

15、根据所述第二单元数量和所述第二位置分布数据对所述原始人脸识别模型进行模型增强，得到中间人脸识别模型；

16、基于所述训练人脸图像数据对所述中间人脸识别模型进行模型训练，得到模型损失值；

17、根据所述模型损失值对所述原始人脸识别模型进行参数更新，得到所述初始人脸识别模型。

18、在一些实施例，所述基于所述测试人脸图像数据对所述初始人脸识别模型进行模型优化，得到目标人脸识别模型，包括：

19、基于所述测试人脸图像数据对所述初始人脸识别模型进行模型测试，得到测试结果；

20、根据所述测试结果对所述初始人脸识别模型进行模型优化，得到所述目标人脸识别模型。

21、为实现上述目的，本技术实施例的第二方面提出了一种人脸识别方法，所述方法包括：

22、获取目标对象的目标人脸图像；

23、将所述目标人脸图像输入至目标人脸识别模型中进行人脸识别，得到所述目标对象的人物身份信息，其中，所述目标人脸识别模型根据第一方面的模型更新方法得到。

24、在一些实施例，所述目标人脸识别模型包括特征提取网络和识别网络，所述将所述目标人脸图像输入至目标人脸识别模型中进行人脸识别，得到所述目标对象的人物身份信息，包括：

25、基于所述特征提取网络对所述目标人脸图像进行特征提取，得到人脸三维视觉特征；

26、基于所述识别网络对所述人脸三维视觉特征进行身份识别，得到所述目标对象的人物身份信息。

27、为实现上述目的，本技术实施例的第三方面提出了一种模型更新装置，所述装置包括：

28、数据获取模块，用于获取样本人脸图像数据；

29、数据划分模块，用于对所述样本人脸图像数据进行数据划分，得到训练人脸图像数据和测试人脸图像数据；

30、模型获取模块，用于获取原始人脸识别模型，其中，所述原始人脸识别模型包括特征提取网络和识别网络；

31、网络单元数据获取模块，用于获取所述识别网络的原始隐藏层单元的第一位置分布数据和第一单元数量；

32、新增数据确定模块，用于基于所述第一位置分布数据和所述第一单元数量，确定新增隐藏层单元的第二单元数量和第二位置分布数据；

33、模型训练模块，用于基于所述训练人脸图像数据和所述新增隐藏层单元的第二单元数量和第二位置分布数据对所述原始人脸识别模型进行模型训练，得到初始人脸识别模型；

34、模型优化模块，用于基于所述测试人脸图像数据对所述初始人脸识别模型进行模型优化，得到目标人脸识别模型，所述目标人脸识别模型用于对目标对象的目标人脸图像进行识别处理，得到所述目标对象的人物身份信息。

35、为实现上述目的，本技术实施例的第四方面提出了一种人脸识别装置，所述装置包括：

36、图像获取模块，用于获取目标对象的目标人脸图像；

37、人脸识别模块，用于将所述目标人脸图像输入至目标人脸识别模型中进行人脸识别，得到所述目标对象的人物身份信息，其中，所述目标人脸识别模型根据上述的模型更新装置得到。

38、为实现上述目的，本技术实施例的第五方面提出了一种电子设备，所述电子设备包括存储器、处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法或者第二方面所述的方法。

39、为实现上述目的，本技术实施例的第六方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法或者第二方面所述的方法。

40、本技术提出的模型更新方法、人脸识别方法、模型更新装置、人脸识别装置、电子设备及存储介质，其通过获取样本人脸图像数据；对样本人脸图像数据进行数据划分，得到训练人脸图像数据和测试人脸图像数据；获取原始人脸识别模型，其中，原始人脸识别模型包括特征提取网络和识别网络；获取识别网络的原始隐藏层单元的第一位置分布数据和第一单元数量；基于第一位置分布数据和第一单元数量，确定新增隐藏层单元的第二单元数量和第二位置分布数据；基于训练人脸图像数据和新增隐藏层单元的第二单元数量和第二位置分布数据对原始人脸识别模型进行模型训练，得到初始人脸识别模型；基于测试人脸图像数据对初始人脸识别模型进行模型优化，得到目标人脸识别模型，目标人脸识别模型用于对目标对象的目标人脸图像进行识别处理，得到目标对象的人物身份信息。这一方式能够基于新增隐藏层单元的方式对原始人脸识别模型进行模型增强，提高原始人脸识别模型的网络结构的丰富度，在不改变模型整体结构的情况下，仅仅在训练过程中引入新增隐藏层单元就可以训练模型对人脸识别的性能，能够较好地改善模型的人脸识别准确性。同时，利用测试人脸图像数据对初始人脸识别模型进行模型优化，能够进一步优化模型的模型性能，使得目标人脸识别模型能够具备较好的人脸识别准确性，进而使得能够在不同的金融交易场合中使用刷脸支付的方式完成支付交易，提高人脸识别在金融交易场景的适用性，并提高基于人脸识别的金融交易的交易效率。