(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 202210443934.7 (22)申请日 2022.04.26 (71)申请人 支付宝 （杭州） 信息技 术有限公司 地址 310000 浙江省杭州市西湖区西溪路 556号8层B段801-1 1 (72)发明人 郑丹丹　 (74)专利代理 机构 北京君慧知识产权代理事务 所(普通合伙) 11716 专利代理师 肖鹏 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06K 9/62(2022.01) (54)发明名称 一种面部识别模 型的训练方法、 装置以及设 备 (57)摘要 本说明书实施例公开了一种面部识别模型 的训练方法、 装置以及设备。 通过获取包括面部 关键点的训练样本； 将所述训练样 本划分为多个 子图像； 根据所述子图像中所包括的关键点确定 任意的子图像所属的类别， 生 成对应于多个不同 类别的多个图像子集； 采用初始模 型确定所述多 个图像子集所对应的局部特征向量， 融合所述局 部特征向量生成所述训练样本所对应的全局特 征向量； 根据所述全局特征向量对 所述初始模型 进行分类训练， 生成可用的目标模型。 从而实现 对于训练得到的目标模型， 在 使用时可以对于每 个待识别图像所包含的 图像子集， 量化其与待确 认图像对应区域的相似度。 权利要求书3页 说明书10页 附图4页 CN 114743247 A 2022.07.12 CN 114743247 A 1.一种面部识别模型的训练方法， 包括： 获取包括 面部关键点的训练样本； 将所述训练样本划分为多个子图像； 根据所述子图像中所包括的关键点确定任意的子图像所属的类别， 生成对应于多个不 同类别的多个图像子集； 采用初始模型确定所述多个图像子集所对应的局部特征向量， 融合所述局部特征向量 生成所述训练样本所对应的全局特 征向量； 根据所述全局特 征向量对所述初始模型进行分类训练， 生成可用的目标模型。 2.如权利要求1所述的方法， 其中， 将所述训练样本划分为多个子图像， 包括： 采用指定的步长， 将所述训练样本划分为指定窗口大小的多个子图像； 或者， 将所述训练样本划分为具有确定语义的多个子区域， 针对任意子区域， 将该子区 域划分为指定窗口大小的多个子图像。 3.如权利要求1所述的方法， 其中， 在将所述训练样本划分为多个子 图像之前， 所述方 法还包括： 将所述训练样本进行对齐操作， 生成对齐后的训练样本； 相应的， 将所述训练样本划分为多个子图像， 包括： 将所述对齐后的训练样本划分为多 个子图像。 4.如权利要求1所述的方法， 其中， 根据所述子图像中所包括的关键点确定任意的子图 像所属的类别， 包括： 确定所述子图像中所包括的关键点所属的面部 子区域； 将数量最多的关键点所属的面部 子区域确定该子图像所属的类别。 5.如权利要求1所述的方法， 采用 初始模型确定所述多个图像子集所对应的局部特征 向量， 包括： 针对任意的图像子集， 采用初始模型对该图像子集中所包含的子图像进行编码和解 码， 生成子图像所对应的子特 征向量； 融合多个子图像所对应的多个子特 征向量， 生成该图像子集所对应的局部特 征向量。 6.如权利要求5所述的方法， 其中， 采用初始模型对该图像子集中所包含的子图像进行 编码和解码， 包括： 对所述子图像进行随机区域的遮挡， 生成遮挡后的子图像； 采用初始模型对所述遮挡后的子图像进行编码和解码。 7.如权利要求1所述的方法， 其中， 融合所述局部特征向量生成所述训练样本所对应的 全局特征向量， 包括： 确定所述局部特征向量所对应的权重分布参数， 根据所述权重分布参数对局部特征向 量进行加权合并， 生成所述训练样本所对应的全局特 征向量。 相应的， 根据所述全局特征向量对所述初始模型进行分类训练， 包括： 根据所述全局特 征向量对所述权 重分布参数进行训练。 8.如权利要求1所述的方法， 还 包括： 获取待识别图像； 获取所述待识别图像所对应的待确认图像；权　利　要　求　书 1/3 页 2 CN 114743247 A 2采用所述目标模型生成所述待识别图像所对应的多个第一局部特征向量， 以及， 采用 所述目标模型生成所述待确认图像所对应的多个第二局部特 征向量； 分别确定所述多个第一局部特征向量和所述多个第二局部特征向量之间的多个局部 相似度； 融合所述多个局部相似度生成识别结果。 9.如权利要求8所述的方法， 其中， 融合所述多个局部相似度生成识别结果， 包括： 采用所述目标模型 所确定的局部特 征向量所对应的权 重分布参数； 根据所述权 重分布参数对所述多个局部相似度进行加权， 生成识别结果。 10.一种面部识别模型的训练装置， 包括： 获取模块， 获取包括 面部关键点的训练样本； 划分模块， 将所述训练样本划分为多个子图像； 分类模块， 根据所述子 图像中所包括的关键点确定任意的子 图像所属的类别， 生成对 应于多个不同类别的多个图像子集； 生成模块， 采用 初始模型确定所述多个图像子集所对应的局部特征向量， 融合所述局 部特征向量生成所述训练样本所对应的全局特 征向量； 训练模块， 根据所述全局特征向量对所述初始模型进行分类训练， 生成可用的目标模 型。 11.如权利要求10所述的装置， 所述划分模块， 采用指定的步长， 将所述训练样本划分 为指定窗口大小的多个子图像； 或者， 将所述训练样本划分为具有确定语义的多个子区域， 针对任意子区域， 将该子区域划分为指定窗口大小的多个子图像。 12.如权利要求10所述的装置， 还包括对齐模块， 将所述训练样本进行对齐操作， 生成 对齐后的训练样本； 相应的， 将所述训练样本划分为多个子图像， 包括： 将所述对齐后的训 练样本划分为多个子图像。 13.如权利要求10所述的装置， 所述分类模块， 确定所述子图像中所包括的关键点所属 的面部子区域； 将数量 最多的关键点所属的面部 子区域确定为该子图像所属的类别。 14.如权利要求10所述的装置， 所述生成模块， 针对任意的图像子集， 采用 初始模型对 该图像子集中所包含的子图像进行编码和解码， 生成子图像所对应的子特征向量； 融合多 个子图像所对应的多个子特 征向量， 生成该图像子集所对应的局部特 征向量。 15.如权利要求14所述的装置， 所述生成模块， 对所述子 图像进行随机区域的遮挡， 生 成遮挡后的子图像； 采用初始模型对所述遮挡后的子图像进行编码和解码。 16.如权利要求10所述的装置， 所述生成模块， 确定所述局部特征向量所对应的权重分 布参数， 根据所述权重分布参数对局部特征向量进行加权合并， 生成所述训练样本所对应 的全局特征向量； 相应的， 所述训练墨迹快， 根据所述全局特征向量对所述权重 分布参数进 行训练。 17.如权利要求10所述的装置， 还包括识别模块， 获取待识别图像； 获取所述待识别图 像所对应的待确认图像； 采用所述目标模型生成所述待识别图像所对应的多个第一局部特 征向量， 以及， 采用所述目标模 型生成所述待确认图像所对应的多个第二局部特征向量； 分 别确定所述多个第一局部特征向量和所述多个第二局部特征向量之 间的多个局部相似度； 融合所述多个局部相似度生成识别结果。权　利　要　求　书 2/3 页 3 CN 114743247 A 3