CN112016524A - 模型训练方法、人脸识别方法、装置、设备和介质 - Google Patents

Abstract

本申请公开了一种模型训练方法、人脸识别方法、装置、设备和介质，涉及计算机视觉和深度学习等人工智能技术领域。其中，模型训练方法具体实现方案为：利用预先建立的人脸识别模型，分别提取每个样本图像的各模态特征；对所述各模态特征进行特征融合，得到各模态自有特征和任意至少两种模态间的共有特征；利用所述各模态自有特征和任意至少两种模态间的共有特征各自对应的损失函数，分别针对所述各模态自有特征和任意至少两种模态间的共有特征进行所述人脸识别模型的监督训练。本申请实施例可以充分挖掘图像中不同模态的特征，并基于该特征进行人脸识别，大大提高了多模态人脸识别的准确率。

Description

模型训练方法、人脸识别方法、装置、设备和介质

技术领域

本申请涉及人工智能领域，尤其涉及计算机视觉和深度学习技术，具体涉及一种模型训练方法、人脸识别方法、装置、设备和介质。

背景技术

现有的人脸识别技术大多是基于RGB图像进行识别，然而在对人脸识别准确率要求极高的场景下，例如门锁，金融等场景下，只靠RGB图像单个模态很难满足需求，因此，多模态RGBD(RGB+depth)人脸识别技术应运而生。

现有技术中的RGBD人脸识别模型，大多采用四通道融合的方式直接融合RGB模态和depth模态，即输入人脸RGB图像和depth图像并将其组合成四通道RGBD图像，通过RGBD模型提取RGBD特征用于特征匹配，输出人脸识别结果。然而，通过这种四通道融合的方式得到的人脸识别结果，仍然无法满足当今对人脸识别准确率的要求。

发明内容

本申请提供一种模型训练方法、人脸识别方法、装置、设备和介质，以提高多模态人脸识别的准确率。

第一方面，本申请提供了一种模型训练方法，用于多模态人脸识别，所述方法包括：

利用预先建立的人脸识别模型，分别提取每个样本图像的各模态特征；

对所述各模态特征进行特征融合，得到各模态自有特征和任意至少两种模态间的共有特征；

利用所述各模态自有特征和任意至少两种模态间的共有特征各自对应的损失函数，分别针对所述各模态自有特征和任意至少两种模态间的共有特征进行所述人脸识别模型的监督训练。

第二方面，本申请还提供了一种多模态人脸识别方法，包括：

利用按照上述第一方面提供的模型训练方法训练出的人脸识别模型，提取待识别人脸图像的各模态特征，并对所述各模态特征进行特征融合，得到各模态自有特征和任意至少两种模态间的共有特征；

利用所述人脸识别模型，根据所述各模态自有特征和任意至少两种模态间的共有特征，对所述待识别人脸图像进行人脸识别。

第三方面，本申请还提供了一种模型训练装置，用于多模态人脸识别，所述装置包括：

特征提取模块，用于利用预先建立的人脸识别模型，分别提取每个样本图像的各模态特征；

特征融合模块，用于对所述各模态特征进行特征融合，得到各模态自有特征和任意至少两种模态间的共有特征；

监督训练模块，用于利用所述各模态自有特征和任意至少两种模态间的共有特征各自对应的损失函数，分别针对所述各模态自有特征和任意至少两种模态间的共有特征进行所述人脸识别模型的监督训练。

第四方面，本申请还提供了一种多模态人脸识别装置，包括：

特征处理模块，用于利用按照上述第一方面提供的模型训练方法训练出的人脸识别模型，提取待识别人脸图像的各模态特征，并对所述各模态特征进行特征融合，得到各模态自有特征和任意至少两种模态间的共有特征；

人脸识别模块，用于利用所述人脸识别模型，根据所述各模态自有特征和任意至少两种模态间的共有特征，对所述待识别人脸图像进行人脸识别。

第五方面，本申请还提供了一种电子设备，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本申请任意实施例所述的用于多模态人脸识别的模型训练方法。

第六方面，本申请还提供了一种电子设备，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本申请任意实施例所述的多模态人脸识别方法。

第七方面，本申请还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请任意实施例所述的用于多模态人脸识别的模型训练方法。

第八方面，本申请还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请任意实施例所述的多模态人脸识别方法。

根据本申请的技术方案，通过对每个样本图像中不同模态的特征进行特征融合，划分出各模态自有特征和不同模态间的共有特征，并在人脸识别模型的训练阶段，分别针对各模态自有特征和不同模态间的共有特征对人脸识别模型进行监督训练，使得训练出的人脸识别模型可以充分挖掘图像中不同模态的特征，从而提高人脸识别模型对多模态人脸识别的准确率。

应当理解，本部分所描述的内容并非旨在标识本申请的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解，上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请实施例的模型训练方法的流程示意图；

图2是根据本申请实施例的模型训练方法的流程示意图；

图3是根据本申请实施例的多模态人脸识别方法的流程示意图；

图4是根据本申请实施例的模型训练装置的结构示意图；

图5是根据本申请实施例的多模态人脸识别装置的结构示意图；

图6是用来实现本申请实施例的模型训练方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是根据本申请实施例的模型训练方法的流程示意图，本实施例可适用于对多模态人脸识别模型进行训练，以便利用训练好的人脸识别模型进行多模态人脸识别的情况，涉及计算机视觉和深度学习等人工智能技术领域。该方法可由一种模型训练装置来执行，该装置采用软件和/或硬件的方式实现，优选是配置于电子设备中，例如服务器或计算机设备等。如图1所示，该方法具体包括如下：

S101、利用预先建立的人脸识别模型，分别提取每个样本图像的各模态特征。

具体的，可以利用任意深度学习算法建立人脸识别模型，利用模型提取各模态特征。在一种实施方式中，建立的人脸识别模型可以包括各模态的特征提取网络，也即，人脸识别模型是利用各模态的特征提取网络分别对各模态的特征进行提取。至于人脸识别模型的具体网络结构，本申请则不做任何限定。

其中，图像的不同模态，例如可以包括RGB模态、深度模态、红外模态或3D点云模态等。关于提取图像的各模态特征，可以是提取上述的至少两种模态的特征，例如，提取RGB模态和深度模态的特征，也可以提取RGB模态、深度模态和红外模态的特征，当然，还可以是其他任意的多模态组合。也即，本申请对具体的模态不做任何限定。

此外，在特征提取之前，还可以对样本图像进行预处理，例如对输入的深度图像进行归一化，以去除背景噪声等。通过预处理，可以获得高质量的样本图像，从而为接下来的特征提取和模型训练提供良好的数据基础。

S102、对各模态特征进行特征融合，得到各模态自有特征和任意至少两种模态间的共有特征。

其中，各模态的自有特征是指属于各模态特征各自的特征部分，共有特征是指任意至少两种模态间，每个模态特征中除其自有特征的另一部分特征的组合。例如，当多模态包括RGB模态和深度模态时，各模态自有特征分别就是指RGB特征中的一部分特征和深度特征中的一部分特征，而共有特征就是指RGB特征中除其自有特征的另一部分特征和深度特征中除其自有特征的另一部分特征的组合。

需要说明的是，特征融合的过程中，将各模态特征的哪一部分作为各模态的自有特征，本申请不做任何限定，只要是属于各模态特征各自的特征部分，都可以作为各模态自有特征，而任意至少两种模态中除各模态自有特征部分的其他部分特征的组合，即可作为任意至少两种模态间的共有特征。

S103、利用各模态自有特征和任意至少两种模态间的共有特征各自对应的损失函数，分别针对各模态自有特征和任意至少两种模态间的共有特征进行人脸识别模型的监督训练。

具体的，每一个模态的自有特征都对应有各自的损失函数，共有特征也对应有损失函数，不同特征对应的损失函数不同。在训练过程中，利用各自的损失函数，分别对该损失函数对应的特征进行监督，从而对不同特征中各自对应的特征提取网络进行参数更新。

需要说明的是，不同的模态作为图像的不同表达方式，其既具有共同的特征，也具有不同的特征。现有技术中将不同模态的特征简单叠加、拼接，那么在模型训练、学习的过程中，则无法确定拼接后的特征中哪一部分代表图像中的哪些结构性信息，因而无法很好的进行学习，学习出来的模型对人脸识别的准确率也无法满足需求。而本申请中，在特征融合过程中，将特征划分出不同模态的自有特征和模态之间的共有特征，并利用各自对应的损失函数分别进行监督学习，对不同模态的特征提取网络进行参数更新，实现了更加精细化的分开监督训练，使得模型能够更好地学习到每种特征的结构性信息，充分挖掘图像不同模态的特征，最终提高模型的人脸识别精度。

本申请实施例的技术方案，通过对每个样本图像中不同模态的特征进行特征融合，划分出各模态自有特征和不同模态间的共有特征，并在人脸识别模型的训练阶段，分别针对各模态自有特征和不同模态间的共有特征对人脸识别模型进行监督训练，使得训练出的人脸识别模型可以充分挖掘图像中不同模态的特征，从而提高人脸识别模型对多模态人脸识别的准确率。

图2是根据本申请实施例的多模态人脸识别方法的流程示意图，本实施例在上述实施例的基础上进一步进行优化。如图2所示，该方法具体包括如下：

S201、利用预先建立的人脸识别模型，分别提取每个样本图像的各模态特征。

其中，预先建立的人脸识别模型至少包括各模态的特征提取网络，例如，在一种实施方式中，所述人脸识别模型为多分支网络结构，每一个网络分支用于从输入的一种模态的图像中提取该模态的特征。而采用多分支网络结构效果好且成本低。

当各模态包括RGB模态和深度模态时，多分支网络则为双分支网络，即包括RGB图像特征提取网络和深度图像特征提取网络，并分别用于提取RGB特征和深度特征。

S202、将每个样本图像的各模态特征中的任意第一部分，分别作为各模态自有特征；将任意至少两种模态特征各自除第一部分的第二部分的组合，作为任意至少两种模态间的共有特征。

在一种实施方式中，例如，当各模态包括RGB模态和深度模态时，可以是将深度特征的前半部分作为深度自有特征，将RGB特征的后半部分作为RGB自有特征，将深度特征的后半部分和RGB特征的前半部分合并后作为深度与RGB共有特征。

需要说明的是，上述对自有特征和共有特征的划分方式仅为示例，本申请对该划分方式不做任何限定。也即，除了上述实施方式中的划分方式之外，还可以是其他划分方式。例如，将深度特征和RGB特征各自的任意部分作为深度自有特征和RGB自有特征，将深度特征和RGB特征的其余部分合并后作为深度与RGB共有特征。也就是说，本申请是在各模态特征的融合过程中，将其划分出每种模态的自有特征以及任意至少两种模态间的共有特征。

再例如，在另一种实施方式中，当各模态包括RGB模态、深度模态和红外模态这三种模态时，各模态自有特征则分别是RGB自有特征、深度自有特征和红外自有特征。任意至少两种模态间的共有特征可以是提取出来的RGB特征、深度特征和红外特征中，除各自的RGB自有特征、深度自有特征和红外自有特征之外的其余特征的组合；还可以是每两种模态间的共有特征，即：RGB特征与深度特征中除各自的自有特征之外的其余特征的组合，RGB特征与红外特征中除各自的自有特征之外的其余特征的组合，以及红外特征与深度特征中除各自的自有特征之外的其余特征的组合。

也就是说，当针对三种及三种以上模态进行人脸识别时，在特征融合的过程中，确定的共有特征可以是全部模态的特征中除各自的自有特征之外的特征的组合，也可以是每两种模态的特征中除各自的自有特征之外的特征的组合。

S203、利用各模态自有特征和任意至少两种模态间的共有特征各自对应的损失函数，分别针对各模态自有特征和任意至少两种模态间的共有特征进行人脸识别模型的监督训练。

其中，在所述监督训练的过程中，对各模态自有特征的监督训练过程，是分别对各模态的特征提取网络进行参数更新，对任意至少两种模态间的共有特征的监督训练过程，是对任意至少两种模态的特征提取网络均进行参数更新。例如，当各模态包括RGB模态和深度模态时，对深度自有特征的监督训练过程，是对深度图像特征提取网络进行参数更新，对RGB自有特征的监督训练过程，是对RGB图像特征提取网络进行参数更新，对深度与RGB共有特征的监督训练过程，是对深度图像特征提取网络和RGB图像特征提取网络同时进行参数更新。

所述监督训练的方式可以包括分类学习方式或者度量学习方式。例如，在分类学习方式中，可以是基于softmax的交叉熵损失函数进行模型训练；在度量学习方式中，可以是基于centerloss损失函数进行模型训练；当然，还可以是基于centerloss和softmax的组合进行训练。本申请对模型的具体训练方式不做任何限定。

需要说明的是，若基于centerloss损失函数进行模型训练，也即，分别为各模态自有特征和任意至少两种模态间的共有特征设置对应的centerloss损失函数，并用该各自对应的损失函数监督上述特征，并更新网络参数。而采用centerloss损失函数进行监督训练，可以使得网络提取出来的特征更加聚合，使得不同模态之间的共有特征更加紧密，具有更好的人脸识别效果。

本申请实施例的技术方案，通过对每个样本图像中不同模态的特征进行特征融合，在特征融合部分，将特征划分出不同模态的自有特征和模态之间的共有特征，并利用各自对应的损失函数分别进行监督学习，对不同模态的特征提取网络进行参数更新，实现了更加精细化的分开监督训练，使得模型能够更好地学习到特征的结构性信息，充分挖掘图像不同模态的特征，最终提高模型的人脸识别精度。

图3是根据本申请实施例的多模态人脸识别方法的流程示意图，本实施例可适用于利用训练好的人脸识别模型进行多模态人脸识别的情况，涉及计算机视觉和深度学习等人工智能技术领域。该方法可由一种多模态人脸识别装置来执行，该装置采用软件和/或硬件的方式实现，优选是配置于电子设备中，例如服务器或计算机设备等。如图3所示，该方法具体包括如下：

S301、利用预先建立的人脸识别模型，分别提取每个样本图像的各模态特征。

S302、对各模态特征进行特征融合，得到各模态自有特征和任意至少两种模态间的共有特征。

S303、利用各模态自有特征和任意至少两种模态间的共有特征各自对应的损失函数，分别针对各模态自有特征和任意至少两种模态间的共有特征进行人脸识别模型的监督训练。

其中，S301-S303的具体实施方式与前述实施例相同，此处不再赘述。

S304、利用训练好的人脸识别模型，提取待识别人脸图像的各模态特征，并对各模态特征进行特征融合，得到各模态自有特征和任意至少两种模态间的共有特征。

S305、利用所述人脸识别模型，根据各模态自有特征和任意至少两种模态间的共有特征，对待识别人脸图像进行人脸识别。

例如，当各模态包括RGB模态和深度模态时，将待识别人脸图像输入训练好的人脸识别模型，模型分别提取出图像的RGB特征和深度特征，并进行特征融合，划分出RBG自有特征、深度自有特征和RGB与深度共有特征，最后基于RBG自有特征、深度自有特征和RGB与深度共有特征给出人脸识别结果。

本申请实施例的技术方案，通过在模型训练时，对每个样本图像中不同模态的特征进行特征融合，划分出各模态自有特征和不同模态间的共有特征，并分别针对各模态自有特征和不同模态间的共有特征对人脸识别模型进行监督训练，使得训练出的人脸识别模型可以充分挖掘图像中不同模态的特征，从而提高人脸识别模型对多模态人脸识别的准确率。

图4是根据本申请实施例的模型训练装置的结构示意图，本实施例可适用于对多模态人脸识别模型进行训练，以便利用训练好的人脸识别模型进行多模态人脸识别的情况，涉及计算机视觉和深度学习等人工智能技术领域。该装置可实现本申请任意实施例所述的模型训练方法，并用于多模态人脸识别。如图4所示，该装置400具体包括：

特征提取模块401，用于利用预先建立的人脸识别模型，分别提取每个样本图像的各模态特征；

特征融合模块402，用于对所述各模态特征进行特征融合，得到各模态自有特征和任意至少两种模态间的共有特征；

监督训练模块403，用于利用所述各模态自有特征和任意至少两种模态间的共有特征各自对应的损失函数，分别针对所述各模态自有特征和任意至少两种模态间的共有特征进行所述人脸识别模型的监督训练。

可选的，所述特征融合模块403包括：

自有特征确定单元，用于将每个样本图像的各模态特征中的任意第一部分，分别作为所述各模态自有特征；

共有特征确定单元，用于将任意至少两种模态特征各自除第一部分的第二部分的组合，作为所述任意至少两种模态间的共有特征。

可选的，所述人脸识别模型至少包括各模态的特征提取网络。

可选的，在所述监督训练模块进行监督训练的过程中，对所述各模态自有特征的监督训练过程，是分别对所述各模态的特征提取网络进行参数更新，对所述任意至少两种模态间的共有特征的监督训练过程，是对所述任意至少两种模态的特征提取网络均进行参数更新。

可选的，所述损失函数为centerloss损失函数。

可选的，所述人脸识别模型为多分支网络结构。

可选的，所述监督训练的方式包括分类学习方式或者度量学习方式。

可选的，所述各模态至少包括深度模态和RGB模态。

本申请实施例提供的模型训练装置400可执行本申请任意实施例提供的模型训练方法，具备执行方法相应的功能模块和有益效果。本实施例中未详尽描述的内容可以参考本申请任意方法实施例中的描述。

图5是根据本申请实施例的多模态人脸识别装置的结构示意图，本实施例可适用于利用训练好的人脸识别模型进行多模态人脸识别的情况，涉及计算机视觉和深度学习等人工智能技术领域。该装置可实现本申请任意实施例所述的多模态人脸识别方法。如图5所示，该装置500具体包括：

特征处理模块501，用于利用上述任意实施例所述的模型训练方法训练出的人脸识别模型，提取待识别人脸图像的各模态特征，并对所述各模态特征进行特征融合，得到各模态自有特征和任意至少两种模态间的共有特征；

人脸识别模块502，用于利用所述人脸识别模型，根据所述各模态自有特征和任意至少两种模态间的共有特征，对所述待识别人脸图像进行人脸识别。

本申请实施例提供的多模态人脸识别装置500可执行本申请任意实施例提供的多模态人脸识别方法，具备执行方法相应的功能模块和有益效果。本实施例中未详尽描述的内容可以参考本申请任意方法实施例中的描述。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图6所示，是根据本申请实施例的模型训练方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图6所示，该电子设备包括：一个或多个处理器601、存储器602，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器***)。图6中以一个处理器601为例。

存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的模型训练方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的模型训练方法。

存储器602作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的模型训练方法对应的程序指令/模块(例如，附图4所示的特征提取模块401、特征融合模块402和监督训练模块403)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的模型训练方法。

存储器602可以包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需要的应用程序；存储数据区可存储根据实现本申请实施例的模型训练方法的电子设备的使用所创建的数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至实现本申请实施例的模型训练方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

实现本申请实施例的模型训练方法的电子设备还可以包括：输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接，图6中以通过总线连接为例。

输入装置603可接收输入的数字或字符信息，以及产生与实现本申请实施例的模型训练方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。

计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

根据本申请的实施例，本申请还提供了另外一种电子设备，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本申请任意实施例所述的多模态人脸识别方法。该电子设备的硬件结构以及功能可参见如图6所示的上述实施例的内容解释。

根据本申请的实施例，本申请还提供了另外一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行本申请任意实施例所述的多模态人脸识别方法。对存储介质的介绍可参见如图6所示的上述实施例的内容解释。

根据本申请实施例的技术方案，通过对每个样本图像中不同模态的特征进行特征融合，划分出各模态自有特征和不同模态间的共有特征，并在人脸识别模型的训练阶段，分别针对各模态自有特征和不同模态间的共有特征对人脸识别模型进行监督训练，使得训练出的人脸识别模型可以充分挖掘图像中不同模态的特征，从而提高人脸识别模型对多模态人脸识别的准确率。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (22)

1.一种模型训练方法，用于多模态人脸识别，所述方法包括：

利用预先建立的人脸识别模型，分别提取每个样本图像的各模态特征；

对所述各模态特征进行特征融合，得到各模态自有特征和任意至少两种模态间的共有特征；

利用所述各模态自有特征和任意至少两种模态间的共有特征各自对应的损失函数，分别针对所述各模态自有特征和任意至少两种模态间的共有特征进行所述人脸识别模型的监督训练。

2.根据权利要求1所述的方法，其中，所述对每个样本图像的各模态特征进行特征融合，得到各模态自有特征和任意至少两种模态间的共有特征，包括：

将每个样本图像的各模态特征中的任意第一部分，分别作为所述各模态自有特征；

将任意至少两种模态特征各自除第一部分的第二部分的组合，作为所述任意至少两种模态间的共有特征。

3.根据权利要求1所述的方法，其中，所述人脸识别模型至少包括各模态的特征提取网络。

4.根据权利要求3所述的方法，其中，在所述监督训练的过程中，对所述各模态自有特征的监督训练过程，是分别对所述各模态的特征提取网络进行参数更新，对所述任意至少两种模态间的共有特征的监督训练过程，是对所述任意至少两种模态的特征提取网络均进行参数更新。

5.根据权利要求1所述的方法，其中，所述损失函数为centerloss损失函数。

6.根据权利要求1所述的方法，其中，所述人脸识别模型为多分支网络结构。

7.根据权利要求1所述的方法，其中，所述监督训练的方式包括分类学习方式或者度量学习方式。

8.根据权利要求1-7中任一项所述的方法，其中，所述各模态至少包括深度模态和RGB模态。

9.一种多模态人脸识别方法，包括：

利用权利要求1-8中任一项所述的模型训练方法训练出的人脸识别模型，提取待识别人脸图像的各模态特征，并对所述各模态特征进行特征融合，得到各模态自有特征和任意至少两种模态间的共有特征；

利用所述人脸识别模型，根据所述各模态自有特征和任意至少两种模态间的共有特征，对所述待识别人脸图像进行人脸识别。

10.一种模型训练装置，用于多模态人脸识别，所述装置包括：

特征提取模块，用于利用预先建立的人脸识别模型，分别提取每个样本图像的各模态特征；

特征融合模块，用于对所述各模态特征进行特征融合，得到各模态自有特征和任意至少两种模态间的共有特征；

监督训练模块，用于利用所述各模态自有特征和任意至少两种模态间的共有特征各自对应的损失函数，分别针对所述各模态自有特征和任意至少两种模态间的共有特征进行所述人脸识别模型的监督训练。

11.根据权利要求10所述的装置，其中，所述特征融合模块包括：

自有特征确定单元，用于将每个样本图像的各模态特征中的任意第一部分，分别作为所述各模态自有特征；

共有特征确定单元，用于将任意至少两种模态特征各自除第一部分的第二部分的组合，作为所述任意至少两种模态间的共有特征。

12.根据权利要求10所述的装置，其中，所述人脸识别模型至少包括各模态的特征提取网络。

13.根据权利要求12所述的装置，其中，在所述监督训练模块进行监督训练的过程中，对所述各模态自有特征的监督训练过程，是分别对所述各模态的特征提取网络进行参数更新，对所述任意至少两种模态间的共有特征的监督训练过程，是对所述任意至少两种模态的特征提取网络均进行参数更新。

14.根据权利要求10所述的装置，其中，所述损失函数为centerloss损失函数。

15.根据权利要求10所述的装置，其中，所述人脸识别模型为多分支网络结构。

16.根据权利要求10所述的装置，其中，所述监督训练的方式包括分类学习方式或者度量学习方式。

17.根据权利要求10-16中任一项所述的装置，其中，所述各模态至少包括深度模态和RGB模态。

18.一种多模态人脸识别装置，包括：

特征处理模块，用于利用权利要求1-8中任一项所述的模型训练方法训练出的人脸识别模型，提取待识别人脸图像的各模态特征，并对所述各模态特征进行特征融合，得到各模态自有特征和任意至少两种模态间的共有特征；

人脸识别模块，用于利用所述人脸识别模型，根据所述各模态自有特征和任意至少两种模态间的共有特征，对所述待识别人脸图像进行人脸识别。

19.一种电子设备，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权利要求1-8中任一项所述的用于多模态人脸识别的模型训练方法。

20.一种电子设备，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权利要求9所述的多模态人脸识别方法。

21.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的用于多模态人脸识别的模型训练方法。

22.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求9所述的多模态人脸识别方法。

Images