CN112101121B - 人脸敏感识别方法及装置、存储介质及计算机设备 - Google Patents

人脸敏感识别方法及装置、存储介质及计算机设备 Download PDF

Info

Publication number
CN112101121B
CN112101121B CN202010841596.3A CN202010841596A CN112101121B CN 112101121 B CN112101121 B CN 112101121B CN 202010841596 A CN202010841596 A CN 202010841596A CN 112101121 B CN112101121 B CN 112101121B
Authority
CN
China
Prior art keywords
face
sensitive
module
feature extraction
feature
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010841596.3A
Other languages
English (en)
Other versions
CN112101121A (zh
Inventor
陈仿雄
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Shuliantianxia Intelligent Technology Co Ltd
Original Assignee
Shenzhen Shuliantianxia Intelligent Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Shuliantianxia Intelligent Technology Co Ltd filed Critical Shenzhen Shuliantianxia Intelligent Technology Co Ltd
Priority to CN202010841596.3A priority Critical patent/CN112101121B/zh
Publication of CN112101121A publication Critical patent/CN112101121A/zh
Application granted granted Critical
Publication of CN112101121B publication Critical patent/CN112101121B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例公开了一种人脸敏感识别方法及装置、存储介质及计算机设备，该方法包括：获取用户的待识别人脸图像，获取用户的第一人脸敏感特征信息，该第一敏感特征信息包含采集到的用户主观认知的敏感类型，将该待识别人脸图像输入至人脸敏感识别模型，获得该人脸敏感识别模型输出的上述用户的第二人脸敏感特征信息，该第二人脸敏感特征信息包含检测到的该用户客观的敏感类型，根据第一人脸敏感特征信息及第二人脸敏感特征信息，确定用户的人脸敏感度。通过利用第一敏感特征信息和第二敏感特性信息确定用户的人脸敏感度，使得能够将用户主观认知的敏感类型及客观检测到的敏感类型进行结合，以提高对用户的人脸敏感度识别的准确性。

Description

人脸敏感识别方法及装置、存储介质及计算机设备
技术领域
本发明涉及图像处理技术领域，尤其涉及一种人脸敏感度识别方法及装置、存储介质及计算机设备。
背景技术
随着移动通信技术的快速发展以及人民生活水平的提升，各种智能终端已广泛应用于人们的日常工作和生活中，且智能终端可以安装各种应用程序，使得人们越来越习惯使用应用程序解决问题，目前存在给用户推荐护肤产品的应用程序，该类应用程序能够帮助用户了解自身的皮肤状况，并给用户推荐适合其皮肤的护肤产品，其中，人脸敏感情况是用户的皮肤状况的一个重要指标，然而目前存在对用户的人脸敏感的识别的准确性较低的问题。
发明内容
本发明的主要目的在于提供一种人脸敏感识别方法及装置、存储介质及计算机设备，能够有效提高对人脸敏感识别的准确性。
为实现上述目的，本发明第一方面提供一种人脸敏感识别方法，所述方法包括：
获取用户的待识别人脸图像，获取所述用户的第一人脸敏感特征信息，所述第一人脸敏感特征信息包含采集到的所述用户主观认知的敏感类型；
将所述待识别人脸图像输入至人脸敏感识别模型，获得所述人脸敏感识别模型输出的所述用户的第二人脸敏感特征信息，所述第二人脸敏感特征信息包含检测到的所述用户客观的敏感类型；
根据所述第一人脸敏感特征信息及所述第二人脸敏感特征信息，确定所述用户的人脸敏感度。
为实现上述目的，本发明第二方面提供一种人脸敏感识别装置，所述装置包括：
获取模块，用于获取用户的待识别人脸图像，获取所述用户的第一人脸敏感特征信息，所述第一人脸敏感特征信息包含采集到的所述用户主观认知的敏感类型；
模型识别模块，用于将所述待识别人脸图像输入至人脸敏感识别模型，获得所述人脸敏感识别模型输出的所述用户的第二人脸敏感特征信息，所述第二人脸敏感特征信息包含检测到的所述用户客观的敏感类型；
确定模块，用于根据所述第一人脸敏感特征信息及所述第二人脸敏感特征信息，确定所述用户的人脸敏感度。
为实现上述目的，本发明第三方面提供一种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，使得处理器执行如第一方面所述的人脸敏感识别方法中的各个步骤。
为实现上述目的，本发明第四方面提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得处理器执行如第一方面所述的人脸敏感识别方法中的各个步骤。
采用本发明实施例，具有如下有益效果：
本发明提供一种人脸敏感识别方法，该方法包括：获取用户的待识别人脸图像，获取用户的第一人脸敏感特征信息，该第一敏感特征信息包含采集到的用户主观认知的敏感类型，将该待识别人脸图像输入至人脸敏感识别模型，获得该人脸敏感识别模型输出的上述用户的第二人脸敏感特征信息，该第二人脸敏感特征信息包含检测到的该用户客观的敏感类型，根据第一人脸敏感特征信息及第二人脸敏感特征信息，确定用户的人脸敏感度。通过利用第一敏感特征信息和第二敏感特性信息确定用户的人脸敏感度，使得能够将用户主观认知的敏感类型及客观检测到的敏感类型进行结合，以提高对用户的人脸敏感度识别的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
其中：
图1为本发明实施例中人脸敏感识别方法的一流程示意图；
图2为本发明实施例中人脸敏感识别方法的另一流程示意图；
图3为本发明实施例中人脸敏感识别模型的一结构示意图；
图4为本发明实施例中特性提取模块的结构示意图；
图5为本发明实施例中特性提取子模块的结构示意图；
图6为本发明实施例中人脸敏感识别模型的结构示意图；
图7为本发明实施例中人脸敏感识别装置的结构框图；
图8为本发明实施例中计算机设备的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，为本发明实施例中人脸敏感识别方法的一流程示意图，该方法包括：
步骤101、获取用户的待识别人脸图像，获取所述用户的第一人脸敏感特征信息，所述第一人脸敏感特征信息包含采集到的所述用户主观认知的敏感类型；
在本发明实施例中，上述的人脸敏感识别方法由人脸敏感识别装置实现，该人脸敏感识别装置为程序模块，该程序模块存储在计算机设备的计算机可读存储介质中，计算机设别中的处理器可以从该计算机可读存储介质中读取并运行人脸敏感识别装置，以实现上述的人脸敏感识别方法。
其中，在需要对一个用户进行人脸敏感识别时，可以获取该用户的待识别人脸图像，其中该待识别人脸图像是用户的正脸拍摄的图像，且人脸在该图像中占的区域大小大于预设阈值，该预设阈值可以时70％。
此外，还可以获取到该用户的第一人脸敏感特征信息，该第一人脸敏感特征信息包含采集到的用户主观认知的敏感类型。其中，预先设置具有不同特征的敏感类型，具体的，人脸的红斑特征对应的红斑敏感类型、人脸的鳞屑特征对应的时鳞屑敏感类型，人脸的痤疮特征对应的是痤疮敏感类型。且可以预先设置人脸皮肤信息表，该人脸皮肤信息表主要是用于采集用户主观认知的皮肤信息，包括红斑、鳞屑及痤疮等等，此外还可以包括灼热、刺痛、瘙痒及绷紧感等等，在需要对用户进行人脸敏感识别之前，可以由用户填写该表格，以便基于用户填写的表格的内容确定用户的上述第一人脸敏感特征信息。其中，第一人脸敏感特征信息可以为空，或者，可以包含红斑敏感类型、鳞屑敏感类型及痤疮敏感类型中的至少一种敏感类型。
步骤102、将所述待识别人脸图像输入至人脸敏感识别模型，获得所述人脸敏感识别模型输出的所述用户的第二人脸敏感特征信息，所述第二人脸敏感特征信息包含检测到的所述用户客观的敏感类型；
在本发明实施例中，预先设置人脸敏感识别模型，该人脸敏感识别模型用于识别上述用户的待识别人脸图像，以确定该用户的第二人脸敏感特征信息，其中，该人脸敏感识别模型是利用人脸敏感样本数据集进行训练得到的，该人脸敏感样本数据集中包含多张人脸敏感样本图像，且每张人脸敏感样本图像都已经标注敏感类型，且为了训练得到的人脸敏感识别模型的准确性，在每张人脸敏感样本图像上还标注了敏感类型对应的位置区域。其中，人脸敏感样本数据集可以用于训练至少能够识别红斑敏感类型、鳞屑敏感类型及痤疮敏感类型的人脸敏感识别模型。可以理解的是，由于人脸敏感样本数据集进行训练得到的人脸敏感识别模型，使用该人脸敏感识别模型对待识别人脸图像进行识别，其得到的第二人脸敏感特征信息为客观信息，具体是检测到的用户客观的敏感类型。
其中，“第一人脸敏感特征信息”及“第二人脸敏感特性信息”中的“第一”和“第二”是用于区分不同的人脸敏感特征信息，且第一人脸敏感特征信息用于表示用户主观认知的敏感类型，且第二人脸敏感特性信息用于表示客观检测到的用户的人脸敏感的敏感类型，并不做其他的限定。
步骤103、根据所述第一人脸敏感特征信息及所述第二人脸敏感特征信息，确定所述用户的人脸敏感度。
在本发明实施例中，获取用户的待识别人脸图像，获取用户的第一人脸敏感特征信息，该第一敏感特征信息包含采集到的用户主观认知的敏感类型，将该待识别人脸图像输入至人脸敏感识别模型，获得该人脸敏感识别模型输出的上述用户的第二人脸敏感特征信息，该第二人脸敏感特征信息包含检测到的该用户客观的敏感类型，根据第一人脸敏感特征信息及第二人脸敏感特征信息，确定用户的人脸敏感度。通过利用第一敏感特征信息和第二敏感特性信息确定用户的人脸敏感度，使得能够将用户主观认知的敏感类型及客观检测到的敏感类型进行结合，以提高对用户的人脸敏感度识别的准确性。
为了更好地理解本发明实施例中的技术方案，请参阅图2，为本发明实施例中人脸敏感识别方法的另一流程示意图，该方法是基于图1所示实施例中的方法得到的，包括：
步骤201、获取用户的待识别人脸图像，获取所述用户的第一人脸敏感特征信息，所述第一人脸敏感特征信息包含采集到的所述用户主观认知的敏感类型；
在本发明实施例中，上述步骤201与图1所示实施例中步骤101描述的内容相似，具体可以参阅图1所示实施例步骤101中的相关内容，此处不做赘述。
步骤202、将所述待识别人脸图像输入至人脸敏感识别模型，获得所述人脸敏感识别模型输出的所述用户的第二人脸敏感特征信息，所述第二人脸敏感特征信息包含检测到的所述用户客观的敏感类型；
在本发明实施例中，预设的人脸敏感识别模型可以是改进后的yolov3模型，改进的方式可以是将原有的yolov3模型的特征提取网络Darknet53替换成Inverted res block(IRB)结构。
请参阅图3，为本发明实施例中人脸敏感识别模型的一种可行结构的示意图，该人脸敏感识别模型包括卷积层模块及N个特征提取模块，其中，该N个特征提取模块按照第1个特征提取模块至第N个特征提取模块的顺序依次级联，且卷积层模块与第1个特征提取模块连接，且需要说明的是，一个特征提取模块也可以称为一个IRB模块，在本发明实施例中，是使用N个IRB模块(特征提取模块)替换了yolov3模型中的特征提取网络Darknet53替换，得到改进后的yolov3模型的。
对于上述的N个特征提取模块中的任意一个特征提取模块，都包含依次级联的若干个特征提取子模块，具体的，对于第1个至第N-1个特征提取模块，均包含依次级联的若干个特征提取子模块，且还包含与最后一个特征提取子模块连接的下采样模块，对于第N个特征提取模块则包含若干个特征提取子模块，其最后一个特征提取子模块的输出则是人脸敏感识别模型输出的一部分。此外，第M个特征提取模块中的第一个特征提取子模块与第M-1个特征提取模块中的下采样模块连接，该M的取值为[2，N]，N大于3。
具体的，请参阅图4，为本发明实施例中特征提取模块的结构示意图，且图4中的特征提取模块为第1个至第N-1个特征提取模块的示意图，对于第N个特征提取模块，其相对于前N-1个特征提取模块，没有最后的下采样模块，如图4中所示，特征提取模块包含若干个特征提取子模块，且最后一个特征提取子模块与下采样模块连接。
进一步的，对于每一个特征提取子模块，输入该特征提取子模块的特征图像的大小与该特征提取子模块输出的特征图像的大小是一致的，例如，若输入特征提取子模块的特征图像的大小为26*26，则输出该特征提取子模块的特征图像的大小也为26*26。且该特征提取子模块包含至少三层卷积层，且该至少三层卷积层依次级联，且在特征图像的传输方向上，该至少三层卷积层的通道数是按照先增加后减少的趋势变化的，使得能够先通过扩充通道数的方式，增加特征图，提取更多的特征，实现特征图增加处理，然后再进行特征图压缩处理，使得能够增强特征的融合。为了更好的理解本发明实施例中的特征提取子模块，请参阅图5，为本发明实施例中特征提取子模块的一种可行实现方式的结构图，在图5中，是以卷积层依次为1*1*32、3*3*64、1*1*8为例进行描述的，其中，1*1、3*3表示卷积核的尺寸，32、64、8表示的是通道数，可以理解的是，在实际应用中，可根据具体的需要设置特征提取子模块中各个卷积层的卷积核的数量和通道数的数量，只需要确保输入特征提取子模块的特征图像的大小与该特征提取子模块输出的特征图像的大小一致，及通道数按照先增加后减少的趋势变化即可，使得能够有效增强特征的融合。
在本发明实施例中，对于用户的待识别人脸图像，可以将该待识别人脸图像输入至上述的人脸敏感识别模型，具体是输入上述的人脸敏感识别模型的卷积层模块，通过该卷积层模块对待识别人脸图像进行卷积处理，得到初始特征图像。
且进一步地，可以以第i个特征提取模块中的第q个特征提取子模块为例，该第q个特征提取子模块具有输入的特征图像时，通过该第q个特征提取子模块对输入特征图像依次进行特征图增加处理及特征图压缩处理，输出第q个特征提取子模块的输出特征图像，其中，第i个特征提取模块为N个特征提取模块中的任意一个，第q个特征提取子模块为第i个特征提取模块中的任意一个特征提取子模块，且第1个特征提取模块中的第1个特征提取子模块的输入特征图像为初始特征图像，q为正整数。
具体的，在得到初始特征图像之后，将该初始特征图像输入至第1个特征提取模块中的第1个特征提取子模块，通过该第1个特征提取子模块对初始特征图像依次进行特征图增强处理及特征图压缩处理，输出第1个特征提取子模块的输出特征图像，该第1个特征提取子模块的输出特征图像将作为第1个特征提取模块中的第2个特征提取子模块的输入特征图像，第1个特征提取模块中的各个特征提取子模块的处理方式以此类推即可，直至得到第1个特征提取模块中的最后一个特征提取子模块的输出特征图像，且将该第1个特征提取模块中的最后一个特征提取子模块的输出特征图像输入至该第1个特征提取模块中的下采样模块，且该下采样模块的输出特征图像将作为第2个特征提取模块中的第1个特征提取子模块的输入特征图像使用，并以此类推，完成利用人脸敏感识别模型的识别流程。
在本发明实施例中，将获取到人脸敏感识别模型中第N-2个特征提取模块中下采样模块输出的第一特征图像，第N-1个特征提取模块中下采样模块输出的第二特征图像，及第N个特征提取模块中的最后一个特征提取子模块输出的第三特征图像，确定待识别人脸图像的第二人脸敏感特征信息。
进一步地，其中，第N-2个特征提取模块输出的第一特征图像，与第一特征图像的下采样图像融合得到的特征图像，作为第N-1个特征提取模块的输入特征图像，通过该方式，可以进一步降低模型大小，同时增加不同大小特征的融合，使得能够增强特征的融合。
进一步地，其中，第N-2个特征提取模块输出的第一特征图像经过两次下采样后的下采样图像、第N-1个特征提取模块输出的第二特征图像及第二特征图像的下采样图像融合得到的特征图像，作为第N个特征提取模块的输入特征图像，通过该方式，可以进一步降低模型大小，同时增加不同大小特征的融合，使得能够增强特征的融合。
为了更好的理解本发明实施例中的技术方案，下面将描述一种具体的人脸敏感识别模型，请参阅图6，为本发明实施例中人脸敏感识别模型的结构示意图，在图6中是以N为5为例进行的描述，即包含5个特征提取模块，分别为特征提取模块1至特征提取模块5，卷积层模块与特征提取模块1连接，且特征提取模块1至特征提取模块5依次级联。
其中，待识别人脸图像的尺寸设置为416，由于图像的像素值的取值范围为0～255，而人脸敏感识别模型的数据为float类型，取值在0～1的范围内，当像素值大于1时，图片将会显示成白色，不能表达有效的图片信息，因此，需要对待识别人脸图像的像素点进行归一化处理，即将像素值范围为0～255的像素点，归一化至0～1的范围内，以正确的表达图片信息。
其中，输入卷积层模块的待识别人脸图像的尺寸为416*416，输出的特征图像大小则为208*208，且输入特征提取模块1的特征图像大小则为208*208，特征提取模块1的输出特征图像大小为104*104，其他的特征提取模块的输入及输出的特征图像的大小以此类推，最后特征提取模块5输出的特征图像的大小为13*13。由此可以得到第一特征图像的大小为26*26，第二特征图像的大小为13*13，且第三特征图像的大小为13*13。
在得到第一特征图像、第二特征图像及第三特征图像之后，将该第一特征图像、第二特征图像及第三特征图像进行映射处理，映射至待识别人脸图像中，确定在待识别人脸图像中映射的像素点的坐标值及其对应的敏感类型，通过该种方式，即可确定待识别人脸图像的第二人脸敏感特征信息。
步骤203、确定所述第一人脸敏感特征信息包含的敏感类型的第一数量，及确定所述第二人脸敏感特征信息包含的敏感类型的第二数量；
步骤204、根据所述第一数量及所述第二数量确定所述用户的人脸敏感度。在本发明实施例中，可以确定第一人脸敏感特征信息中包含的敏感类型的第一数量，及还可以确定第二人脸敏感特征信息包含的敏感类型的第二数量，其中，敏感类型包括红斑、鳞屑、痤疮等等，例如，若第一人脸敏感特征信息中包含红斑敏感类型，则第一数量为1，若第二人脸敏感特征信息中包含红斑敏感类型和痤疮敏感类型，则第二数量为2。可以理解的是，第一人脸敏感特征信息及第二人脸敏感特征信息中包含的敏感类型也可以为0。
在本发明实施例中，可以根据上述的第一数量及第二数量确定用户的人脸敏感度。
具体的，当第一数量小于预设的第一阈值，且第二数量小于预设的第二阈值时，确定用户的人脸敏感度为轻度敏感；
当第一数量大于或等于预设的第一阈值，且小于预设的第三阈值，第二数量小于预设的第二阈值时；或者，当第一数量小于预设的第一阈值，第二数量大于或等于预设的第二阈值，且小于预设的第四阈值时，确定用户的人脸敏感度为中度敏感，第三阈值大于第一阈值，第四阈值大于第二阈值；
当第一数量大于或等于预设的第三阈值，且第二数量大于或等于预设的第二阈值时，或者，当第二数量大于或等于预设的第四阈值时，确定人脸敏感度为重度敏感。
可以理解的是，以上为一种可行的基于第一数量及第二数量确定人脸敏感度的方式，在实际应用中，可根据具体的需要设置确定人脸敏感度的规则，此处不做限定。
在本发明实施例中，通过使用改进后的yolov3模型，使得能够提高利用模型确定第二人脸敏感特征信息的准确性，且通过设置第一人脸敏感特征信息，使得能够将客观的第二人脸敏感特征信息与主观的第一人脸敏感特征信息结合，并确定人脸敏感度，提高人脸敏感度识别的准确性。
请参阅图7，为本发明实施例中人脸敏感识别装置的结构示意图，该装置包括：
获取模块701，用于获取用户的待识别人脸图像，获取所述用户的第一人脸敏感特征信息，所述第一人脸敏感特征信息包含采集到的所述用户主观认知的敏感类型；
模型识别模块702，用于将所述待识别人脸图像输入至人脸敏感识别模型，获得所述人脸敏感识别模型输出的所述用户的第二人脸敏感特征信息，所述第二人脸敏感特征信息包含检测到的所述用户客观的敏感类型；
确定模块703，用于根据所述第一人脸敏感特征信息及所述第二人脸敏感特征信息，确定所述用户的人脸敏感度。
可以理解的是，在本发明实施例中，上述的获取模块701、模型识别模块702及确定模块703涉及到的内容，与前面人脸敏感识别方法的方法实施例中描述的内容相似，具体可以参阅上述人脸敏感识别方法的实施例中相关内容，此处不做赘述。
在本发明实施例中，获取用户的待识别人脸图像，获取用户的第一人脸敏感特征信息，该第一敏感特征信息包含采集到的用户主观认知的敏感类型，将该待识别人脸图像输入至人脸敏感识别模型，获得该人脸敏感识别模型输出的上述用户的第二人脸敏感特征信息，该第二人脸敏感特征信息包含检测到的该用户客观的敏感类型，根据第一人脸敏感特征信息及第二人脸敏感特征信息，确定用户的人脸敏感度。通过利用第一敏感特征信息和第二敏感特性信息确定用户的人脸敏感度，使得能够将用户主观认知的敏感类型及客观检测到的敏感类型进行结合，以提高对用户的人脸敏感度识别的准确性。
图8示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是终端，也可以是服务器。如图8所示，该计算机设备包括通过***总线连接的处理器、存储器和网络接口。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作***，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现年龄识别方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行年龄识别方法。本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提出了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：
获取用户的待识别人脸图像，获取所述用户的第一人脸敏感特征信息，所述第一人脸敏感特征信息包含采集到的所述用户主观认知的敏感类型；
将所述待识别人脸图像输入至人脸敏感识别模型，获得所述人脸敏感识别模型输出的所述用户的第二人脸敏感特征信息，所述第二人脸敏感特征信息包含检测到的所述用户客观的敏感类型；
根据所述第一人脸敏感特征信息及所述第二人脸敏感特征信息，确定所述用户的人脸敏感度。
在一个实施例中，提出了一种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，使得所述处理器执行以下步骤：
获取用户的待识别人脸图像，获取所述用户的第一人脸敏感特征信息，所述第一人脸敏感特征信息包含采集到的所述用户主观认知的敏感类型；
将所述待识别人脸图像输入至人脸敏感识别模型，获得所述人脸敏感识别模型输出的所述用户的第二人脸敏感特征信息，所述第二人脸敏感特征信息包含检测到的所述用户客观的敏感类型；
根据所述第一人脸敏感特征信息及所述第二人脸敏感特征信息，确定所述用户的人脸敏感度。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种人脸敏感识别方法，其特征在于，所述方法包括：
获取用户的待识别人脸图像，获取所述用户的第一人脸敏感特征信息，所述第一人脸敏感特征信息包含采集到的所述用户主观认知的敏感类型；
将所述待识别人脸图像输入至人脸敏感识别模型，获得所述人脸敏感识别模型输出的所述用户的第二人脸敏感特征信息，所述第二人脸敏感特征信息包含检测到的所述用户客观的敏感类型；
根据所述第一人脸敏感特征信息及所述第二人脸敏感特征信息，确定所述用户的人脸敏感度；
其中，所述人脸敏感识别模型包括卷积层模块及N个特征提取模块，所述特征提取模块按照第1个至第N个的顺序依次级联，且卷积层模块与第1个特征提取模块连接，第1个至第N-1个特征提取模块均包含依次级联的若干个特征提取子模块，且还包含与最后一个特征提取子模块连接的下采样模块，第N个特征提取模块包含依次级联的若干个特征提取子模块，第M个特征提取模块与第M-1个特征提取模块中的下采样模块连接，M的取值为[2，N]，N大于3；
所述将所述待识别人脸图像输入至人脸敏感识别模型，获得所述人脸敏感识别模型输出的所述用户的第二人脸敏感特征信息包括：
将所述待识别人脸图像输入至所述人脸敏感识别模型的所述卷积层模块，通过所述卷积层模块对所述待识别人脸图像进行卷积处理，得到初始特征图像；
当第i个特征提取模块中的第q个特征提取子模块具有输入的输入特征图像时，通过所述第q个特征提取子模块对所述输入特征图像依次进行特征图增加处理及特征图压缩处理，输出所述第q个特征提取子模块的输出特征图像；所述第i个特征提取模块为N个特征提取模块中的任意一个，所述第q个特征提取子模块为所述第i个特征提取模块中的任意一个特征提取子模块，且第1个特征提取模块的第1个特征提取子模块的输入特征图像为所述初始特征图像，所述第q个特征提取子模块的输入特征图像的大小与输出特征图像的大小相同；
根据所述人脸敏感识别模型的第N-2个特征提取模块中下采样模块输出的第一特征图像、第N-1个特征提取模块中下采样模块输出的第二特征图像及第N个特征提取模块中的最后一个特征提取子模块输出的第三特征图像，确定所述待识别人脸图像的第二人脸敏感特征信息。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一人脸敏感特征信息及所述第二人脸敏感特征信息，确定所述用户的人脸敏感度，包括：
确定所述第一人脸敏感特征信息包含的敏感类型的第一数量，及确定所述第二人脸敏感特征信息包含的敏感类型的第二数量；
根据所述第一数量及所述第二数量确定所述用户的人脸敏感度。
3.根据权利要求2所述的方法，其特征在于，所述根据所述第一数量及所述第二数量确定所述用户的人脸敏感度，包括：
当所述第一数量小于预设的第一阈值，且所述第二数量小于预设的第二阈值时，确定所述用户的人脸敏感度为轻度敏感；
当所述第一数量大于或等于预设的第一阈值，且小于预设的第三阈值，所述第二数量小于预设的第二阈值时；或者，当所述第一数量小于预设的第一阈值，所述第二数量大于或等于预设的第二阈值，且小于预设的第四阈值时，确定所述用户的人脸敏感度为中度敏感，所述第三阈值大于所述第一阈值，所述第四阈值大于所述第二阈值；
当所述第一数量大于或等于所述预设的第三阈值，且所述第二数量大于或等于所述预设的第二阈值时，或者，当所述第二数量大于或等于所述预设的第四阈值时，确定所述人脸敏感度为重度敏感。
4.根据权利要求1所述的方法，其特征在于，所述第N-2个特征提取模块输出的第一特征图像，与所述第一特征图像的下采样图像融合得到的特征图像，作为所述第N-1个特征提取模块的输入特征图像。
5.根据权利要求1所述的方法，其特征在于，所述第N-2个特征提取模块输出的第一特征图像经过两次下采样后的下采样图像、所述第N-1个特征提取模块输出的第二特征图像及所述第二特征图像的下采样图像融合得到的特征图像，作为所述第N个特征提取模块的输入特征图像。
6.一种人脸敏感识别装置，其特征在于，所述装置包括：
获取模块，用于获取用户的待识别人脸图像，获取所述用户的第一人脸敏感特征信息，所述第一人脸敏感特征信息包含采集到的所述用户主观认知的敏感类型；
模型识别模块，用于将所述待识别人脸图像输入至人脸敏感识别模型，获得所述人脸敏感识别模型输出的所述用户的第二人脸敏感特征信息，所述第二人脸敏感特征信息包含检测到的所述用户客观的敏感类型；
确定模块，用于根据所述第一人脸敏感特征信息及所述第二人脸敏感特征信息，确定所述用户的人脸敏感度；
其中，所述人脸敏感识别模型包括卷积层模块及N个特征提取模块，所述特征提取模块按照第1个至第N个的顺序依次级联，且卷积层模块与第1个特征提取模块连接，第1个至第N-1个特征提取模块均包含依次级联的若干个特征提取子模块，且还包含与最后一个特征提取子模块连接的下采样模块，第N个特征提取模块包含依次级联的若干个特征提取子模块，第M个特征提取模块与第M-1个特征提取模块中的下采样模块连接，M的取值为[2，N]，N大于3；
所述模型识别模块包括：
将所述待识别人脸图像输入至所述人脸敏感识别模型的所述卷积层模块，通过所述卷积层模块对所述待识别人脸图像进行卷积处理，得到初始特征图像；
当第i个特征提取模块中的第q个特征提取子模块具有输入的输入特征图像时，通过所述第q个特征提取子模块对所述输入特征图像依次进行特征图增加处理及特征图压缩处理，输出所述第q个特征提取子模块的输出特征图像；所述第i个特征提取模块为N个特征提取模块中的任意一个，所述第q个特征提取子模块为所述第i个特征提取模块中的任意一个特征提取子模块，且第1个特征提取模块的第1个特征提取子模块的输入特征图像为所述初始特征图像，所述第q个特征提取子模块的输入特征图像的大小与输出特征图像的大小相同；
根据所述人脸敏感识别模型的第N-2个特征提取模块中下采样模块输出的第一特征图像、第N-1个特征提取模块中下采样模块输出的第二特征图像及第N个特征提取模块中的最后一个特征提取子模块输出的第三特征图像，确定所述待识别人脸图像的第二人脸敏感特征信息。
7.一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理器执行时，使得所述处理器执行如权利要求1至5中任一项所述方法的步骤。
8.一种计算机设备，包括存储器和处理器，其特征在于，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至5中任一项所述方法的步骤。
CN202010841596.3A 2020-08-19 2020-08-19 人脸敏感识别方法及装置、存储介质及计算机设备 Active CN112101121B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010841596.3A CN112101121B (zh) 2020-08-19 2020-08-19 人脸敏感识别方法及装置、存储介质及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010841596.3A CN112101121B (zh) 2020-08-19 2020-08-19 人脸敏感识别方法及装置、存储介质及计算机设备

Publications (2)

Publication Number Publication Date
CN112101121A CN112101121A (zh) 2020-12-18
CN112101121B true CN112101121B (zh) 2024-04-30

Family

ID=73753932

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010841596.3A Active CN112101121B (zh) 2020-08-19 2020-08-19 人脸敏感识别方法及装置、存储介质及计算机设备

Country Status (1)

Country Link
CN (1) CN112101121B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108921128A (zh) * 2018-07-19 2018-11-30 厦门美图之家科技有限公司 脸颊敏感肌识别方法及装置
WO2019080580A1 (zh) * 2017-10-26 2019-05-02 深圳奥比中光科技有限公司 3d人脸身份认证方法与装置
CN110059546A (zh) * 2019-03-08 2019-07-26 深圳神目信息技术有限公司 基于频谱分析的活体识别方法、装置、终端及可读介质
CN110674748A (zh) * 2019-09-24 2020-01-10 腾讯科技（深圳）有限公司 图像数据处理方法、装置、计算机设备以及可读存储介质
WO2020037898A1 (zh) * 2018-08-23 2020-02-27 平安科技（深圳）有限公司 人脸特征点检测方法、装置、计算机设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019080580A1 (zh) * 2017-10-26 2019-05-02 深圳奥比中光科技有限公司 3d人脸身份认证方法与装置
CN108921128A (zh) * 2018-07-19 2018-11-30 厦门美图之家科技有限公司 脸颊敏感肌识别方法及装置
WO2020037898A1 (zh) * 2018-08-23 2020-02-27 平安科技（深圳）有限公司 人脸特征点检测方法、装置、计算机设备及存储介质
CN110059546A (zh) * 2019-03-08 2019-07-26 深圳神目信息技术有限公司 基于频谱分析的活体识别方法、装置、终端及可读介质
CN110674748A (zh) * 2019-09-24 2020-01-10 腾讯科技（深圳）有限公司 图像数据处理方法、装置、计算机设备以及可读存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于决策融合的红外与可见光图像人脸识别研究;赵云丰;尹怡欣;;激光与红外(06);全文 *
基于智能视觉的动态人脸跟踪;郝俊寿;丁艳会;;现代电子技术(24);全文 *
基于特征向量的敏感图像识别技术;彭强;张晓飞;;西南交通大学学报(01);全文 *

Also Published As

Publication number Publication date
CN112101121A (zh) 2020-12-18

Similar Documents

Publication Publication Date Title
CN109543627B (zh) 一种判断驾驶行为类别的方法、装置、及计算机设备
CN109034078B (zh) 年龄识别模型的训练方法、年龄识别方法及相关设备
CN109063742B (zh) 蝴蝶识别网络构建方法、装置、计算机设备及存储介质
CN110222791B (zh) 样本标注信息的审核方法及装置
CN112330685B (zh) 图像分割模型训练、图像分割方法、装置及电子设备
US20220165053A1 (en) Image classification method, apparatus and training method, apparatus thereof, device and medium
CN111667011A (zh) 损伤检测模型训练、车损检测方法、装置、设备及介质
US20210224977A1 (en) Fundus image processing method, computer apparatus, and storage medium
CN110287836B (zh) 图像分类方法、装置、计算机设备和存储介质
CN111968134B (zh) 目标分割方法、装置、计算机可读存储介质及计算机设备
CN113159143A (zh) 基于跳跃连接卷积层的红外与可见光图像融合方法和装置
CN111881737B (zh) 年龄预测模型的训练方法及装置、年龄预测方法及装置
WO2023065503A1 (zh) 一种面部表情的分类方法和电子设备
EP4047509A1 (en) Facial parsing method and related devices
CN111028006B (zh) 一种业务投放辅助方法、业务投放方法及相关装置
CN113160087B (zh) 图像增强方法、装置、计算机设备及存储介质
CN111144285B (zh) 胖瘦程度识别方法、装置、设备及介质
CN113240120A (zh) 基于温习机制的知识蒸馏方法、装置、计算机设备和介质
CN111259256B (zh) 内容处理方法、装置、计算机可读存储介质和计算机设备
CN111612732B (zh) 图像质量评估方法、装置、计算机设备及存储介质
CN111652245B (zh) 车辆轮廓检测方法、装置、计算机设备及存储介质
CN112101121B (zh) 人脸敏感识别方法及装置、存储介质及计算机设备
CN112699809B (zh) 痘痘类别识别方法、装置、计算机设备及存储介质
CN112907145B (zh) 模型解释方法以及电子设备
CN111354096A (zh) 一种智能考勤方法及装置、电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant