人脸属性识别方法、装置、存储介质和智能设备与流程

技术特征：
1.一种人脸属性识别方法，其特征在于，包括：获取目标人脸图像；将所述目标人脸图像输入至训练好的人脸属性识别模型；通过所述人脸属性识别模型按指定属性类别提取所述目标人脸图像中的特征，得到与所述指定属性类别分别对应的多个初始特征组；获取所述多个初始特征组之间的关联特征，并根据所述多个初始特征组以及所述多个初始特征组之间的关联特征，构建目标特征组；通过所述人脸属性识别模型对所述目标特征组的特征进行分类，根据分类结果得到所述目标人脸图像中的人脸属性标签，以利用所述人脸属性标签进行人脸属性识别。2.根据权利要求1所述的人脸属性识别方法，其特征在于，所述人脸属性识别模型包括主网络和多个分支子网络，所述通过所述人脸属性识别模型按指定属性类别提取所述目标人脸图像中的特征，得到与所述指定属性类别分别对应的多个初始特征组的步骤，包括：通过所述主网络提取所述目标人脸图像中的低层人脸特征，所述低层人脸特征包括构成人脸基本要素的特征；通过所述分支子网络按指定属性类别获取与所述低层人脸特征相关的属性共享特征，并根据各个分支子网络的所述低层人脸特征以及所述属性共享特征，得到多个初始特征组，所述属性共享特征是指低层人脸特征之间可关联共享的特征。3.根据权利要求1所述的人脸属性识别方法，其特征在于，所述获取所述多个初始特征组之间的关联特征，并根据所述多个初始特征组以及所述多个初始特征组之间的关联特征，构建目标特征组的步骤，包括：合并所述多个初始特征组中的特征，得到合并特征组；计算每一初始特征组中特征与所述合并特征组中特征的关联性；从所述合并特征组中抽取与所述初始特征组中特征的关联性达到预设关联指数阈值的特征，得到所述初始特征组的关联特征；将所述初始特征组及其对应的关联特征进行特征融合，得到目标特征组。4.根据权利要求1所述的人脸属性识别方法，其特征在于，所述人脸属性识别方法还包括：构建所述人脸属性识别模型，所述人脸属性识别模型包括主网络、多个分支子网络和全连接层，所述人脸属性识别模型还包括特征图拼接模块、通道选择模块以及特征图融合模块；获取样本人脸图像，所述样本人脸图像具有样本人脸属性标签，所述人脸属性标签按指定属性类别标记分组；通过所述主网络提取所述样本人脸图像中的样本低层人脸特征；通过所述分支子网络按所述分支子网络对应的指定属性类别，获取与所述样本低层人脸特征相关的样本属性共享特征，并根据各个分支子网络的所述样本低层人脸特征以及所述样本属性共享特征，得到多个样本初始特征组；通过所述特征图拼接模块将所述多个样本初始特征组合并，得到样本合并特征组；通过所述通道选择模块计算每一样本初始特征组中样本特征与所述样本合并特征组中样本特征的关联性，从所述样本合并特征组中抽取与所述样本初始特征组中的特征关联
性达到预设关联指数阈值的样本特征，得到所述样本初始特征组的样本关联特征；通过所述特征图融合模块将所述样本初始特征组及其对应的样本关联特征进行特征融合，得到样本目标特征组；在所述全连接层中对所述样本目标特征组的特征进行分类，根据分类结果得到所述样本人脸图像中的人脸属性标签；利用预设损失函数对所述人脸属性识别模型的预设参数进行调整，直至所述人脸属性识别模型输出的人脸属性标签与所述样本人脸图像的样本人脸属性标签一致。5.根据权利要求4所述的人脸属性识别方法，其特征在于，所述预设损失函数具体为：其中，l
total
表示所述预设损失函数，n表示所述样本人脸图像的数量，每张样本人脸图像标记了m个样本人脸属性标签，y为所述样本人脸图像中的人脸属性，表示第i张样本人脸图像中的第j个人脸属性，c
k
表示人脸属性存在状态，k的值为0或1，表示对第j个人脸属性的两个全连接输出节点使用softmax函数，表示与相对应的样本人脸属性标签的真实值，w
b
表示主网络卷积层的权重因子，w
s
表示分支子网络的卷积层的权重因子，r1、r2为比例因子。6.一种人脸属性识别装置，其特征在于，包括：目标图像获取单元，用于获取目标人脸图像；目标图像输入单元，用于将所述目标人脸图像输入至训练好的人脸属性识别模型；特征提取和构建单元，用于通过所述人脸属性识别模型按指定属性类别提取所述目标人脸图像中的特征，得到与所述指定属性类别分别对应的多个初始特征组；获取所述多个初始特征组之间的关联特征，并根据所述多个初始特征组以及所述多个初始特征组之间的关联特征，构建目标特征组；人脸属性识别单元，用于通过所述人脸属性识别模型对所述目标特征组的特征进行分类，根据分类结果得到所述目标人脸图像中的人脸属性标签，以利用所述人脸属性标签进行人脸属性识别。7.根据权利要求6所述的人脸属性识别装置，其特征在于，所述人脸属性识别模型包括主网络和多个分支子网络，所述特征提取和构建单元包括：低层特征获取模块，用于通过所述主网络提取所述目标人脸图像中的低层人脸特征，所述低层人脸特征包括构成人脸基本要素的特征；初始特征组获取模块，用于通过所述分支子网络按指定属性类别获取与所述低层人脸特征相关的属性共享特征，并根据各个分支子网络的所述低层人脸特征以及所述属性共享特征，得到多个初始特征组，所述属性共享特征是指低层人脸特征之间可关联共享的特征。8.根据权利要求7所述的人脸属性识别装置，其特征在于，所述特征提取和构建单元包括：特征合并模块，用于合并所述多个初始特征组中的特征，得到合并特征组；
特征关联性计算模块，用于计算每一初始特征组中特征与所述合并特征组中特征的关联性；关联特征获取模块，用于从所述合并特征组中抽取与所述初始特征组中特征的关联性达到预设关联指数阈值的特征，得到所述初始特征组的关联特征；目标特征组构建模块，用于将所述初始特征组及其对应的关联特征进行特征融合，得到目标特征组。9.一种智能设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的人脸属性识别方法。10.一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，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的人脸属性识别方法。

技术总结
本申请适用于人脸识别技术领域，提供了一种人脸属性识别方法、装置、存储介质和智能设备，包括：获取目标人脸图像；将所述目标人脸图像输入至训练好的人脸属性识别模型；通过所述人脸属性识别模型按指定属性类别提取所述目标人脸图像中的特征，得到与所述指定属性类别分别对应的多个初始特征组；获取所述多个初始特征组之间的关联特征，并根据所述多个初始特征组以及所述多个初始特征组之间的关联特征，构建目标特征组；通过所述人脸属性识别模型对所述目标特征组的特征进行分类，根据分类结果得到所述目标人脸图像中的人脸属性标签，以利用所述人脸属性标签进行人脸属性识别。本申请可提高人脸属性识别的准确性。可提高人脸属性识别的准确性。可提高人脸属性识别的准确性。


技术研发人员：王东 程骏 张惊涛 郭渺辰 胡淑萍 庞建新 熊友军
受保护的技术使用者：深圳市优必选科技股份有限公司
技术研发日：2020.04.16
技术公布日：2021/10/22