(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 202210566675.7 (22)申请日 2022.05.23 (71)申请人 北京计算机技 术及应用研究所 地址 100854 北京市海淀区永定路51号 (72)发明人 杨恒　刘洪宇　王浩枫　 (74)专利代理 机构 中国兵器 工业集团公司专利 中心 11011 专利代理师 辛海明 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/74(2022.01) G06V 10/80(2022.01) (54)发明名称 一种基于模型适用性度量的分级人脸识别 方法 (57)摘要 本发明涉及一种基于模型适用性度量的分 级人脸识别方法， 属于人脸识别领域。 本发明基 于测试集获取一个统一判断阈值， 记为global_ Th， 计算底图间最低判断阈值， 称之为类间阈值 score_inter_i； 提取基于注册底图自身特性的 类内阈值score_intra_i； 当前模型的适用性差 的场景， 使用注册底图处理策略处理， 并获得处 理后的融合特征向量merge_feat_i和类内阈值 merge_score_intra_i， 根据上述阈值获得每个 注册底图的自适应阈值， 使用该自适应阈值进行 人脸识别。 本发明不仅考量注册底图之间关系， 更进一步考量注册底图自身特性， 即模型对注册 底图的适用性， 以此自适应的得到每个注册底图 识别判断阈值； 本发明通过衡量模 型对每个注册 底图的适用性， 针对不同的适用性结合分级识别 处理的方法以提高识别效果。 权利要求书2页 说明书5页 CN 115019365 A 2022.09.06 CN 115019365 A 1.一种基于模型适用性度量的分级人脸识别方法， 其特 征在于， 该 方法包括如下步骤： S1、 基于测试集获取一个统一判断阈值， 记为gl obal_Th； S2、 收集注册底图， 人名Name_i与底图Im_i对应， 底图对应的特征向量为Feat_i， 一个 Im_i内只包 含一个人脸图像， i对应注 册底图序号， 假设i 最大为N， 即有N个注 册底图； S3、 计算底图间最低判断阈值， 称之为类间阈值score_i nter_i； S4、 提取基于注 册底图自身特性的类内 阈值score_i ntra_i； S5、 基于每个注册底图的类内阈值， 统计所有底图对应的score_intra_i的均值和方 差， 记为aug_score_avg和aug_score_std； 由此可计算hard_sample_score＝aug_score_ avg‑3*MAX(aug_score_std， min_std)； 此值作为面向注册底图适用性的度量阈值， 即对于 score_intra_i大于此阈值的注册底图被认 为适用性好； 对于score_intra_i小于此阈值的 注册底图， 认为是当前模型的适用性差的场景， 对该注 册底图需执 行步骤S6的处 理； S6、 针对当前模型适用不稳定的注册底图场景， 使用注册底图处理策略处理， 并获得处 理后的融合特征向量merge_feat_i和类 内阈值merge_score_intra_i， 并用注册底图的这 些值替换其原score_intra_i和Feat_i， 即score_intra_i＝ merge_score_intra_i和Feat_ i＝merge_feat_i； S7、 基于步骤S1、 S3、 S4、 S6得到每 个注册底图的自适应阈值 为： Adpt_score_i＝MIN(max_score,MAX(score_intra_i,MAX(score_inter_i,global_ Th)))； 其中MIN和MAX为 最小值和最大值 函数,max_score为人为预 先设置的经验阈值； S8、 自适应阈值确定后， 使用该自适应阈值进行 人脸识别。 2.如权利要求1所述的基于模型适用性度量的分级人脸识别方法， 其特征在于， 注册底 图是识别时用于参 考比对的图像。 3.如权利要求2所述的基于模型适用性度量的分级人脸识别方法， 其特征在于， 在人脸 识别流程中， 事先收集人脸图像并标识对应属性信息， 这些图片就称为注册底图， 属性信息 包括人名。 4.如权利要求2所述的基于模型适用性度量的分级人脸识别方法， 其特征在于， 所述步 骤S2中， 一个注 册人名对应一个或多个注 册底图场景。 5.如权利要求1 ‑4任一项所述的基于模型适用性度量的分级人脸识别方法， 其特征在 于， 所述步骤S3具体包括： 选取任意一个底图特征向量， 记为Feat_i， 分别与其他底图特征 向量Feat_j计算相似度score_ij， 这里i不等于j； score_ij＝F(Feat_i,Feat_j)， F为相似 度函数， 其输出值域为0到1区间， 完全相似为1， 完全不相似为0； 对N ‑1个相似度， 取其中最 大的那个记 为score_inter_i， 这样每个注册底图都有一个与之对应的类间阈值， 此阈值作 为该注册底图参照的最低判断阈值， 以防止当前底图被识别为 其他底图。 6.如权利要求5所述的基于模型适用性度量的分级人脸识别方法， 其特征在于， 所述步 骤S4具体包括： 为对每个注册底图Im_i做数据增强， aug_Im_ik＝agument_k(Im_i)， 其中 agument_k表示一种数据增强算子， k是算子序数， au g_Im_ik表示第k种数据增强算子作用 Im_i后是输出的图像， 其在经过人脸特征提取模块后转换为对应的增强特征向量aug_ Feat_ik， 然后计算其与原始底图特征向量Feat_i的相似度， 即aug_score_ki＝F(Feat_i, aug_Feat_ik)， k的值从1到K， 计算这些相似度的均值aug_score_avg_i， 方差记为aug_权　利　要　求　书 1/2 页 2 CN 115019365 A 2score_std_i， 由此可得该注册底图对应的类内阈值score_intra_i， 设min_std为人为 设定 的最小方差， 记为score_intra_i＝aug_score_avg_i ‑3*MAX(aug_score_std_i， min_std)， 其中MAX表示取最大值的函数。 7.如权利要求6所述的基于模型适用性度量的分级人脸识别方法， 其特征在于， 所述步 骤S6的处理策略包括： 多 特征融合策略、 收集更多注册底图策略、 多模 型融合处理策略和使 用更强算法模型处 理策略。 8.如权利要求7所述的基于模型适用性度量的分级人脸识别方法， 其特征在于， 当处理策 略为多特征融合策略时， 所述步骤S6具体包括： 针对当前模型适用不稳定的注册底图场景， 结 合步骤S4提取的多个增强特征向 量计算融合特征向 量， Merge为融合函数， 然后计算融合特征向量与各增强特征向量的相似度， merge_ score_ki＝ F(merge_feat_i,aug_Feat_ik)， k＝1,..K， 计算其相似度的均值和方差， 记为merge_ score_avg_i和merge_score_std_i； 计算融合后的类内阈值， merge_score_intra_i＝ merge_score_avg_i ‑3*MAX(merge_score_std_i， min_std)， 并用该注册底图的这些值替换 其原score_intra_i和Feat_i， 即score_intra_i＝merge_score_intra_i和Feat_i＝ merge_feat_i。 9.如权利要求8所述的基于模型适用性度量的分级人脸识别方法， 其特征在于， 所述融 合函数为均值融合或加权融合。 10.如权利要求7 ‑9任一项所述的基于模型适用性度量的分级人脸识别方法， 其特征在 于， 所述步骤S8具体包括： 当摄像头采集到一个待识别人脸图像记 为qurey_im， 经过特征提 取模块得到映射特征向量为qurey_feat， 利用相似度函数F计算它与所有底图特征向量 Feat_i的最大相似度， 如为q_score_h， 该相似度对应的注册底图为Im_h， 对应的自适应阈 值为Adpt_score_h， 若q_score_h 大于Adpt _score_h， 则认为待识别人脸是注册底图I m_h对 应的人， 否则， 认为待识别人脸 不在注册底图库内， 识别流 程完成。权　利　要　求　书 2/2 页 3 CN 115019365 A 3