(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210530918.1 (22)申请日 2022.05.16 (71)申请人 以萨技术股份有限公司 地址 266000 山东省青岛市黄岛区灵山 卫 街道办事处灵岩路7 7号 (72)发明人 郭浩宇　李凡平　石柱国　 (74)专利代理 机构 北京康信知识产权代理有限 责任公司 1 1240 专利代理师 曾红芳 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/74(2022.01) G06V 10/82(2022.01) (54)发明名称 人脸识别方法、 装置、 电子设备及计算机可 读存储介质 (57)摘要 本发明公开了一种人脸识别方法、 装置、 电 子设备及计算机可读存储介质。 其中， 该方法包 括： 获取目标人脸图像； 采用人脸识别模 型， 对目 标人脸图像中的目标人脸进行识别， 得到目标人 脸的人脸识别结果， 其中， 人脸识别模型为基于 损失函数， 采用多组训练样本对初始模型进行训 练得到的人脸识别模型。 本发明解决了相关技术 中采用人脸识别模型进行人脸识别的场景中， 训 练人脸模型时， 仅考虑正常人脸， 以使得识别得 到的人脸识别结果 意外情况多发的技 术问题。 权利要求书2页 说明书8页 附图1页 CN 115188037 A 2022.10.14 CN 115188037 A 1.一种人脸识别方法， 其特 征在于， 包括： 获取目标 人脸图像； 采用人脸识别模型， 对所述目标人脸图像中的目标人脸进行识别， 得到所述目标人脸 的人脸识别结果， 其中， 所述人脸识别模型为基于损失函数， 采用多组训练样本对初始模型 进行训练得到的人脸识别模型， 所述损失函数包括第一损失函数项与第二损失函数项， 所 述第一损失函数项用于拉近特征空间中正常人脸中同一人脸之 间的空间距离， 拉远所述特 征空间中正常人脸中不同人脸之间的空间距离， 所述第二损失函数项用于拉近所述特征空 间中异常人脸之间的空间距离， 拉远所述特征空间中正常人脸与异常人脸之间的空间距 离。 2.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 通过以下方式构建所述第一损 失函数项： 获取特征空间中所述正常人脸的空间位置； 依据所述正常人脸的空间位置， 确定所述正常人脸的空间位置中任意两个空间位置之 间的 空间夹角； 依据所述正常人脸的空间位置中任意两个空间位置之间的空间夹角， 构建所述 第一损失函数项； 通过以下方式构建所述第 二损失函数项： 获取特征空间中正常人脸的空间位置以及所 述异常人脸的空间位置； 依据所述异常人脸的空间位置， 确定所述异常人脸的空间位置中 任意两个空间位置之间的空间夹角； 依据所述正常人脸的空间位置以及异常人脸的空间位 置中任意两个空间位置之间的空间夹角， 构建所述第二损失函数项。 3.根据权利要求1所述的方法， 其特征在于， 所述采用多组训练样本对初始模型进行训 练得到的人脸识别模型， 包括： 获取第一训练样本， 其中， 所述第 一训练样本包括第 一样本图像， 以及所述第 一样本图 像的人脸识别结果， 所述第一样本图像中的第一样本人脸属于正常人脸； 基于所述第一训练样本对所述初始模型进行训练， 得到所述人脸识别模型。 4.根据权利要求1所述的方法， 其特征在于， 所述采用多组训练样本对初始模型进行训 练得到的人脸识别模型， 包括： 获取第二训练样本， 其中， 所述第 二训练样本包括第 二样本图像， 以及所述第 二样本图 像中的人脸识别结果， 所述第二样本图像中的第二样本人脸属于异常人脸； 基于所述第二训练样本对所述初始模型进行训练， 得到所述人脸识别模型。 5.根据权利要求1所述的方法， 其特征在于， 所述采用人脸识别模型， 对所述目标人脸 图像中的目标 人脸进行识别， 得到所述目标 人脸的人脸识别结果， 包括： 采用所述人脸识别模型， 对所述目标人脸图像进行识别， 识别所述目标人脸图像中的 目标人脸属于正常人脸中多种 人脸的概率， 以及所述 目标人脸所述异常人脸的概率， 并确 定属于多种人脸的概 率与属于异常人脸的概 率中的最大概 率； 将所述最大概率与预定阈值进行比较； 在所述最大概率大于所述预定阈值的情况下， 确定所述最大概率对应的人脸为所述目 标人脸图像中的目标 人脸所属的人脸， 得到所述目标 人脸的人脸识别结果。 6.根据权利要求1至5 中任一项所述的方法， 其特征在于， 所述采用人脸识别模型， 对所 述目标人脸图像中的目标 人脸进行识别， 得到所述目标 人脸的人脸识别结果之后， 还 包括： 显示所述目标 人脸图像的人脸识别结果。权　利　要　求　书 1/2 页 2 CN 115188037 A 27.一种人脸识别装置， 其特 征在于， 包括： 获取模块， 用于获取目标 人脸图像； 识别模块， 用于采用人脸识别模型， 对所述目标人脸图像 中的目标人脸进行识别， 得到 所述目标人脸的人脸识别结果， 其中， 所述人脸识别模型为基于损失函数， 采用多组训练样 本对初始模型进 行训练得到的人脸识别模型， 所述损失函数包括第一损失函数项与第二损 失函数项， 所述第一损失函数项用于拉近特征空间中正常人脸中同一人脸之间的空间距 离， 拉远所述特征空间中正常人脸中不同人脸之间的空间距离， 所述第二损失函数项用于 拉近所述特征 空间中异常人脸之间的空间距离， 拉远所述特征 空间中正常人脸与异常人脸 之间的空间距离 。 8.一种电子设备， 其特 征在于， 包括： 处理器； 用于存储所述处 理器可执行指令的存 储器； 其中， 所述处理器被配置为执行所述指令， 以实现如权利要求1至6中任一项所述的人 脸识别方法。 9.一种计算机可读存储介质， 其特征在于， 当所述计算机可读存储介质中的指令由电 子设备的处理器执行时， 使得电子 设备能够执行如权利要求 1至6中任一项所述的人脸识别 方法。 10.一种计算机程序产品， 包括计算机程序， 其特征在于， 所述计算机程序被处理器执 行时实现权利要求1至 6中任一项所述的人脸识别方法。权　利　要　求　书 2/2 页 3 CN 115188037 A 3