人脸识别方法、装置、设备、存储介质和程序产品与流程

技术特征：
1.一种人脸识别方法，包括：对待识别的目标对象的脸部区域图像以及局部区域图像分别提取特征，得到第一脸部区域特征和第一局部区域特征；其中局部区域图像为脸部区域中目标局部区域的图像；从预设特征数据库中分别获取与所述第一脸部区域特征相似度最高的第二脸部区域特征、以及与所述第一局部区域特征相似度最高的第二局部区域特征；其中所述预设特征数据库包括参照对象集合中多个参照对象的预设脸部区域特征和预设局部区域特征；根据所述目标对象的脸部区域图像确定所述脸部区域中局部区域之外存在遮挡的置信度；基于所述第二脸部区域特征、所述第二局部区域特征以及所述置信度，确定对目标对象的人脸识别结果。2.根据权利要求1所述的方法，其中，所述基于所述第二脸部区域特征、所述第二局部区域特征以及所述置信度，确定对目标对象的人脸识别结果，包括：若所述第二脸部区域特征与所述第二局部区域特征对应同一目标参照对象，则根据所述第一脸部区域特征与所述第二脸部区域特征之间的第一相似度、所述第一局部区域特征与所述第二局部区域特征之间的第二相似度以及所述置信度，获取所述目标对象与所述目标参照对象之间的匹配分数；若所述匹配分数大于预设阈值，则确定所述目标对象为所述目标参照对象；或者若所述匹配分数不大于预设阈值，则确定所述目标对象不属于所述参照对象集合。3.根据权利要求2所述的方法，其中，所述根据所述第一脸部区域特征与所述第二脸部区域特征之间的第一相似度、所述第一局部区域特征与所述第二局部区域特征之间的第二相似度以及所述置信度，获取所述目标对象与所述目标参照对象之间的匹配分数，包括：将所述置信度确定为所述第二相似度的权重，将1减去所述置信度的差值确定为所述第一相似度的权重；根据所述第一相似度和所述第二相似度的权重，获取所述第一相似度和所述第二相似度的加权和，将所述加权和确定为所述目标对象与所述目标参照对象之间的匹配分数。4.根据权利要求1或2所述的方法，还包括：若所述第二脸部区域特征与所述第二局部区域特征对应不同的目标参照对象，则确定所述目标对象不属于所述参照对象集合。5.根据权利要求1-4任一项所述的方法，其中，所述对待识别的目标对象的脸部区域图像以及脸部区域中局部区域图像分别提取特征，得到第一脸部区域特征和第一局部区域特征，包括：利用预设的脸部区域特征提取模型对所述目标对象的脸部区域图像提取特征，得到所述第一脸部区域特征；利用预设的局部区域特征提取模型对所述目标对象的局部区域图像提取特征，得到所述第一局部区域特征。6.根据权利要求5所述的方法，其中，还包括：利用所述脸部区域特征提取模型分别对所述参照对象集合中多个参照对象的脸部区域图像提取特征，得到各参照对象的预设脸部区域特征；利用预设的局部区域特征提取模型分别对所述参照对象集合中多个参照对象的局部
区域图像提取特征，得到各参照对象的预设局部区域特征；将各参照对象的预设脸部区域特征以及各参照对象的预设局部区域特征存储到所述预设特征数据库中。7.根据权利要求1-6任一项所述的方法，其中，所述根据所述目标对象的脸部区域图像确定所述脸部区域中局部区域之外存在遮挡的置信度，包括：利用预设的遮挡判断模型对所述目标对象的脸部区域图像进行处理，得到所述脸部区域中局部区域之外存在遮挡的置信度。8.根据权利要求5或6所述的方法，其中，所述脸部区域特征提取模型是预先训练的第一分类神经网络模型的特征提取层，其中，所述第一分类神经网络模型用于根据输入的脸部区域图像进行对象分类；和/或所述局部区域特征提取模型是预先训练的第二分类神经网络模型的特征提取层，其中，所述第一分类神经网络模型用于根据输入的局部区域图像进行对象分类。9.根据权利要求1-8任一项所述的方法，其中，所述对待识别的目标对象的脸部区域图像以及局部区域图像分别提取特征前，还包括：根据预设的脸部区域识别模型对目标对象图像进行处理，在所述目标对象图像中确定所述脸部区域图像以及所述局部区域图像。10.一种人脸识别装置，包括：特征提取单元，用于对待识别的目标对象的脸部区域图像以及局部区域图像分别提取特征，得到第一脸部区域特征和第一局部区域特征；其中局部区域图像为脸部区域中目标局部区域的图像；对比单元，用于从预设特征数据库中分别获取与所述第一脸部区域特征相似度最高的第二脸部区域特征、以及与所述第一局部区域特征相似度最高的第二局部区域特征；其中所述预设特征数据库包括参照对象集合中多个参照对象的预设脸部区域特征和预设局部区域特征；遮挡判断单元，用于根据所述目标对象的脸部区域图像确定所述脸部区域中局部区域之外存在遮挡的置信度；识别单元，用于基于所述第二脸部区域特征、所述第二局部区域特征以及所述置信度，确定对目标对象的人脸识别结果。11.根据权利要求10所述的装置，其中，所述识别单元包括：第一判断模块，用于判断所述第二脸部区域特征与所述第二局部区域特征是否对应同一目标参照对象；匹配分数计算模块，用于在所述第二脸部区域特征与所述第二局部区域特征对应同一目标参照对象时，根据所述第一脸部区域特征与所述第二脸部区域特征之间的第一相似度、所述第一局部区域特征与所述第二局部区域特征之间的第二相似度以及所述置信度，获取所述目标对象与所述目标参照对象之间的匹配分数；第二判断模块，用于判断所述匹配分数是否大于预设阈值，若所述匹配分数大于预设阈值，则确定所述目标对象为所述目标参照对象；或者，若所述匹配分数不大于预设阈值，则确定所述目标对象不属于所述参照对象集合。12.根据权利要求11所述的装置，其中，所述匹配分数计算模块包括：
权重配置子模块，用于将所述置信度确定为所述第二相似度的权重，将1减去所述置信度的差值确定为所述第一相似度的权重；加权求和子模块，用于根据所述第一相似度和所述第二相似度的权重，获取所述第一相似度和所述第二相似度的加权和，将所述加权和确定为所述目标对象与所述目标参照对象之间的匹配分数。13.根据权利要求10或11所述的装置，所述识别单元包括还用于：若所述第二脸部区域特征与所述第二局部区域特征对应不同的目标参照对象，则确定所述目标对象不属于所述参照对象集合。14.根据权利要求10-13任一项所述的装置，其中，所述特征提取单元包括：脸部区域特征提取模块，用于利用预设的脸部区域特征提取模型对所述目标对象的脸部区域图像提取特征，得到所述第一脸部区域特征；局部区域特征提取模块，用于利用预设的局部区域特征提取模型对所述目标对象的局部区域图像提取特征，得到所述第一局部区域特征。15.根据权利要求14所述的装置，其中，所述脸部区域特征提取模块还用于，利用所述脸部区域特征提取模型分别对所述参照对象集合中多个参照对象的脸部区域图像提取特征，得到各参照对象的预设脸部区域特征；所述局部区域特征提取模块还用于，利用预设的局部区域特征提取模型分别对所述参照对象集合中多个参照对象的局部区域图像提取特征，得到各参照对象的预设局部区域特征；将各参照对象的预设脸部区域特征以及各参照对象的预设局部区域特征存储到所述预设特征数据库中。16.根据权利要求10-15任一项所述的装置，其中，所述遮挡判断单元具体用于：利用预设的遮挡判断模型对所述目标对象的脸部区域图像进行处理，得到所述脸部区域中局部区域之外存在遮挡的置信度。17.根据权利要求14或15所述的装置，其中，所述脸部区域特征提取模型是预先训练的第一分类神经网络模型的特征提取层，其中，所述第一分类神经网络模型用于根据输入的脸部区域图像进行对象分类；和/或所述局部区域特征提取模型是预先训练的第二分类神经网络模型的特征提取层，其中，所述第一分类神经网络模型用于根据输入的局部区域图像进行对象分类。18.根据权利要求10-17任一项所述的装置，其中，所述特征提取单元还包括：区域识别模块，用于根据预设的脸部区域识别模型对目标对象图像进行处理，在所述目标对象图像中确定所述脸部区域图像以及所述局部区域图像。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1-9中任一项所述的方法。20.一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
使所述计算机执行根据权利要求1-9中任一项所述的方法。21.一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现权利要求1-9中任一项所述方法的步骤。

技术总结
本公开提供了一种人脸识别方法、装置、设备、存储介质和程序产品，涉及人工智能领域，具体为深度学习、计算机视觉技术领域，可应用于人脸图像处理、人脸识别等场景。具体实现方案为：通过对目标对象提取脸部区域特征和局部区域特征，并将提取到的特征分别与预设特征数据库中多个参照对象的预设脸部区域特征和预设局部区域特征进行相似度比对，进而基于相似度最高的第二脸部区域特征、第二局部区域特征、以及表征脸部区域特征和局部区域特征重要性的置信度，准确确定目标对象是否属于参照对象集合以及具体是参照对象集合中的哪一个参照对象，可以在佩戴口罩或者其他脸部存在遮挡的情况下更好的实现人脸识别，提高人脸识别的准确性和识别率。确性和识别率。确性和识别率。


技术研发人员：张婉平
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：2022.01.29
技术公布日：2022/4/8