CN108491824A - 模型生成方法和装置 - Google Patents

Abstract

本申请实施例公开了模型生成方法和装置。该方法的一具体实施方式包括：基于待在原始人脸图像中绘制的遮挡物的特征点和遮挡物对应的人脸对象的特征点，在原始人脸图像中绘制所述遮挡物；构建用于生成目标模型的目标神经网络的训练图像集合，训练图像集合包括：通过在原始人脸图像中绘制遮挡物得到的包含遮挡物的人脸图像；利用训练图像集合对所述目标神经网络进行训练，得到目标模型。实现了在选取出的每一个原始人脸图像中分别绘制遮挡物，得到包含遮挡物的人脸图像，进而增加可以用于训练的包含遮挡物的人脸图像的数量，对目标神经网络进行较为充分地训练，得到可用于识别人脸图像中是否存在遮挡物的目标模型。

Description

模型生成方法和装置

技术领域

本申请涉及计算机领域，具体涉及神经网络领域，尤其涉及模型生成方法和装置。

背景技术

人脸识别技术是利用人脸的特征相似度对用户的身份进行验证的技术。在用户佩戴诸如眼镜的遮挡物情况下会对人脸识别的准确性造成较大的影响，因此，在身份验证时还需要对用户是否佩戴有遮挡物进行识别。

发明内容

本申请实施例提供了模型生成方法和装置。

第一方面，本申请实施例提供了模型生成方法，该方法包括：基于待在原始人脸图像中绘制的遮挡物的特征点和所述原始人脸图像中的对应于所述遮挡物的人脸对象的特征点，在所述原始人脸图像中绘制所述遮挡物，得到包含所述遮挡物的人脸图像，其中，原始人脸图像为从预设人脸图像集合中选取出的未包含遮挡物的人脸图像；构建用于生成目标模型的目标神经网络的训练图像集合，所述训练图像集合包括：通过在原始人脸图像中绘制遮挡物得到的包含遮挡物的人脸图像；利用所述训练图像集合对所述目标神经网络进行训练，得到目标模型，所述目标模型用于判断人脸图像中是否存在遮挡物。

第二方面，本申请实施例提供了模型生成装置，该装置包括：绘制单元，配置用于基于待在原始人脸图像中绘制的遮挡物的特征点和所述原始人脸图像中的对应于所述遮挡物的人脸对象的特征点，在所述原始人脸图像中绘制所述遮挡物，得到包含所述遮挡物的人脸图像，其中，原始人脸图像为从预设人脸图像集合中选取出的未包含遮挡物的人脸图像；构建单元，配置用于构建用于生成目标模型的目标神经网络的训练图像集合，所述训练图像集合包括：通过在原始人脸图像中绘制遮挡物得到的包含遮挡物的人脸图像；训练单元，配置用于利用所述训练图像集合对所述目标神经网络进行训练，得到目标模型，所述目标模型用于判断人脸图像中是否存在遮挡物。

本申请实施例提供的模型生成方法和装置，通过基于待在原始人脸图像中绘制的遮挡物的特征点和所述原始人脸图像中的对应于所述遮挡物的人脸对象的特征点，在所述原始人脸图像中绘制所述遮挡物，得到包含所述遮挡物的人脸图像；构建用于生成目标模型的目标神经网络的训练图像集合，所述训练图像集合包括：通过在原始人脸图像中绘制遮挡物得到的包含遮挡物的人脸图像；利用所述训练图像集合对所述目标神经网络进行训练，得到目标模型，所述目标模型用于判断人脸图像中是否存在遮挡物。实现了在选取出的每一个原始人脸图像中分别绘制遮挡物，得到包含遮挡物的人脸图像，进而增加可以用于训练的包含遮挡物的人脸图像的数量，对目标神经网络进行较为充分地训练，得到可用于识别人脸图像中是否存在遮挡物的目标模型。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1示出了可以应用于本申请的模型生成方法或装置的示例性系统架构；

图2示出了根据本申请的模型生成方法的一个实施例的流程图；

图3示出了根据本申请的模型生成装置的一个实施例的结构示意图；

图4示出了适于用来实现本申请实施例的服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

请参考图1，其示出了可以应用于本申请的模型生成方法或装置的实施例的示例性系统架构。

如图1所示，系统架构可以包括终端设备101、网络102、服务器103。网络102可以为无线通信网络或有线通信网络。

终端设备101可以为运行人脸识别系统的闸机，人脸识别系统包括：用于人脸识别的模型。用于人脸识别的模型包含用于提取人脸图像中的人脸的特征点的子模型和用于判断人脸图像中是否包含遮挡物的子模型。用于提取人脸图像中的人脸的特征点的子模型和用于判断人脸图像中是否包含遮挡物的子模型可以预先通过在服务器103进行训练得到。

请参考图2，其示出了根据本申请的模型生成方法的一个实施例的流程。需要说明的是，本申请实施例所提供的模型生成方法可以由服务器(例如图1中的服务器103)执行。该方法包括以下步骤：

步骤201，在从预设人脸图像集合中选取出的原始人脸图像中绘制遮挡物。

在本实施例中，可以将就包含的人脸而言仅包含一个人脸的图像称之为人脸图像。一个用户的人脸图像则可以为一个就包含的人脸而言仅包含该用户的人脸的图像。

在本实施例中，可以预先获取多个人脸图像来构建预设人脸图像集合。预设人脸图像集合包括：包含遮挡物的人脸图像、未包含遮挡物的人脸图像。

在本实施例中，一个遮挡物的中心点和遮挡物的轮廓特征点并不特指在某一图像中的该遮挡物的中心点和遮挡物的轮廓特征点。一个遮挡物在不同的图像中，该遮挡物均具有中心点和轮廓特征点，在不同的图像中该遮挡物的中心点的位置可以是不相同的，轮廓特征点的位置也可以是不相同的。当遮挡物为眼镜时，一个眼镜的镜片中心点和眼镜的轮廓特征点并不特指在某一图像中的该眼镜的中心点和遮挡物的轮廓特征点。一个眼镜在不同的图像中，该眼镜均具有中心点和轮廓特征点，在不同的图像中该眼镜的中心点的位置可以是不相同的，轮廓特征点的位置也可以是不相同的。

在本实施例中，可以从预设人脸图像集合中选取出未包含遮挡物的人脸图像作为原始人脸图像。原始人脸图像的数量为多个。可以在选取出的每一个原始人脸图像中分别绘制遮挡物，得到包含遮挡物的人脸图像。

以遮挡物为眼镜为例，对应于待绘制的遮挡物对应的人脸对象为眼部。可以预先获取多个不同的眼镜的眼镜图像，例如，可以从电商的网站中获取多个不同的眼镜的眼镜图像。对于获取到的一个的眼镜的眼镜图像，可以从该眼镜图像中的眼镜的镜框上提取出该眼镜图像中的眼镜的轮廓特征点，从而，可以得到该眼镜图像中的眼镜的轮廓特征点在该眼镜图像中的位置。然后，可以根据该眼镜图像中的眼镜的镜片的中心点在该眼镜图像中的位置和该眼镜图像中的眼镜的轮廓特征点在该眼镜图像中的位置，确定该眼镜图像中的眼镜的轮廓特征点相对于该眼镜图像中的眼镜的镜片的中心点的相对位置。该眼镜图像中的眼镜的镜片的中心点包括：该眼镜图像中的眼镜的左镜片的中心点、该眼镜图像中的眼镜的右镜片的中心点。该眼镜图像中的眼镜的轮廓特征点相对于该眼镜图像中的眼镜的镜片的中心点的相对位置包括：该眼镜图像中的眼镜的左镜框上的轮廓特征点相对于该眼镜图像中的眼镜的左镜片的中心点的相对位置、该眼镜图像的右镜框上的轮廓特征点相对于该眼镜图像中的眼镜的右镜片的中心点的相对位置。可以采用上述方式分别得到每一个眼镜图像中的眼镜的轮廓特征点相对于眼镜图像中的眼镜的镜片的中心点的相对位置。

在一个原始人脸图像中绘制一个预先获取到的一个眼镜图像中的眼镜时，可以提取该原始人脸图像中的人脸的特征点，从而，可以获取到该原始人脸图像中的眼部的特征点。在提取该原始人脸图像中的人脸的特征点时，可以利用预先训练的卷积神经提取出该原始人脸图像中的人脸的特征点。在提取出该原始人脸图像中的眼部的特征点之后，可以进一步确定该原始人脸图像中的眼部的中心点。该原始人脸图像中的眼部的中心点包括：该原始人脸图像中的左眼部的中心点、该原始人脸图像中的右眼部的中心点。然后，可以将该原始人脸图像中的左眼部的中心点的位置作为待在该原始人脸图像中绘制的该眼镜图像中的眼镜的左镜片的中心点在该原始人脸图像中的位置，将该原始人脸图像中的右眼部的中心点的位置作为待在该原始人脸图像中绘制的该眼镜图像中的眼镜的右镜片的中心点在该原始人脸图像中的位置，根据预先确定的该眼镜图像中的眼镜的轮廓特征点相对于该眼镜图像中的眼镜的镜片的中心点的相对位置，确定待在该原始人脸图像中绘制的该眼镜图像中的眼镜的轮廓特征点在该原始人脸图像中的位置，可以根据待在该原始人脸图像中绘制的该眼镜图像中的眼镜的轮廓特征点在该原始人脸图像中的位置，在该原始人脸图像中绘制出组成该眼镜图像中的眼镜的椭圆、直线等对象，从而，在该原始人脸图像中绘制出该眼镜图像中的眼镜。

在本实施例的一些可选的实现方式中，当遮挡物为眼镜时，在一个原始人脸图像中绘制眼镜时，可以基于人脸对象的相似度，从预设人脸图像集合中的所有包含眼镜的人脸图像中查找出与该原始人脸图像相似度最高的包含眼镜的人脸图像。人脸对象可以为脸型，可以根据脸型的相似度，从预设人脸图像集合中的所有包含眼镜的人脸图像中查找出与该原始人脸图像脸型的相似度最高的包含眼镜的人脸图像。可以将查找出的人脸图像中的眼镜作为待在该原始人脸图像中绘制的眼镜。可以分别提取查找出的人脸图像中的眼镜的轮廓特征点和该原始人脸图像中的眼部的特征点。在提取出查找出的包含眼镜的人脸图像中的眼镜的轮廓特征点之后，可以根据该查找出的人脸图像中的眼镜的镜片的中心点在该查找出的人脸图像中的位置和该查找出的人脸图像中的眼镜的轮廓特征点在该查找出的人脸图像中的位置，确定该查找出的人脸图像中的眼镜的轮廓特征点相对于该查找出的人脸图像中的眼镜的镜片的中心点的相对位置。可以生成该查找出的人脸图片中的眼镜对应的相对位置信息，该查找出的人脸图片中的眼镜对应的相对位置信息用于描述该查找出的人脸图像中的眼镜的轮廓特征点相对于该查找出的人脸图像中的眼镜的镜片的中心点的相对位置。该查找出的人脸图像中的眼镜的轮廓特征点相对于该查找出的人脸图像中的眼镜的镜片的中心点的相对位置包括：该查找出的人脸图像中的眼镜的左镜框上的轮廓特征点相对于该查找出的人脸图像中的眼镜的左镜片的中心点的相对位置、该查找出的人脸图像中的眼镜的右镜框上的轮廓特征点相对于该查找出的人脸图像中的眼镜的右镜片的中心点的相对位置。

在提取该原始人脸图像中的眼部的特征点之后，可以进一步确定该原始人脸图像中的眼部的中心点，该原始人脸图像中的眼部的中心点包括：该原始人脸图像中的左眼部的中心点、该原始人脸图像中的右眼部的中心点。然后，可以将该原始人脸图像中的左眼部的中心点的位置作为待在该原始人脸图像中绘制的该查找出的人脸图像中的眼镜的左镜片的中心点，将该原始人脸图像中的右眼部的中心点作为待在该原始人脸图像中绘制的该查找出的人脸图像中的眼镜的右镜片的中心点。可以根据该查找出的人脸图片中的眼镜对应的相对位置信息，确定待在该原始人脸图像中绘制的该查找出的人脸图片中的眼镜的轮廓特征点在该原始人脸图像中的位置，从而，可以根据待在该原始人脸图像中绘制的该查找出的人脸图片中的眼镜的轮廓特征点在该原始人脸图像中的位置，在该原始人脸图像中绘制出组成该查找出的人脸图片中的眼镜的椭圆、直线等对象，从而，在该原始人脸图像中绘制出该查找出的人脸图片中的眼镜。可以采用上述方式分别在每一个原始人脸图像中分别绘制眼镜。

在本实施例的一些可选的实现方式中，当遮挡物为眼镜时，在每一个原始图像中分别绘制眼镜之前，可以预先按照人脸对象的特征对预设人脸图像集合中的人脸图像进行聚类，得到多个聚类结果。人脸对象可以为脸型，可以根据脸型的特征，对预设人脸图像集合中的人脸图像进行聚类，得到多个聚类结果。在一个原始人脸图像中绘制眼镜时，可以确定该原始人脸图像所在的聚类结果，该原始人脸图像所在的聚类结果还包含至少一个包含眼镜的人脸图像。可以从该原始人脸图像所在的聚类结果中选取出一个包含眼镜的人脸图像。可以将选取出的包含眼镜的人脸图像中的眼镜作为待在该原始人脸图像中绘制的眼镜。可以分别提取选取出的人脸图像中的眼镜的轮廓特征点和原始人脸图像人脸图像中的眼部的特征点。在提取出选取出的包含眼镜的人脸图像中的眼镜的轮廓特征点之后，可以根据该选取出的人脸图像中的眼镜的镜片的中心点在该选取出的人脸图像中的位置和该选取出的人脸图像中的眼镜的轮廓特征点在该选取出的人脸图像中的位置，确定该选取出的人脸图像中的眼镜的轮廓特征点相对于该选取出的人脸图像中的眼镜的镜片的中心点的相对位置。可以生成该选取出的人脸图片中的眼镜对应的相对位置信息，该选取出的人脸图片中的眼镜对应的相对位置信息用于描述该选取出的人脸图像中的眼镜的轮廓特征点相对于该选取出的人脸图像中的眼镜的镜片的中心点的相对位置。

在提取该原始人脸图像中的眼部的特征点之后，可以进一步确定该原始人脸图像中的眼部的中心点，然后，可以将该原始人脸图像中的眼部的中心点的位置作为待在该原始人脸图像中绘制的该选取出的人脸图片中的眼镜的镜片的中心点在该原始人脸图像中的位置，根据该选取出的人脸图片中的眼镜对应的相对位置信息，确定待在该原始人脸图像中绘制的该选取出的人脸图片中的眼镜的轮廓特征点在该原始人脸图像中的位置，从而，可以在该原始人脸图像中绘制出该选取出的人脸图片中的眼镜。可以采用上述方式分别在每一个原始人脸图像中分别绘制眼镜，对于在同一个聚类结果中的多个原始人脸图像，在每一个原始图像绘制眼镜时，从该聚类结果中选取出的包含眼镜的人脸图像可以为不同的包含眼镜的人脸图像。

步骤202，构建用于对目标神经网络进行训练的训练图像集合。

在本实施例中，构建出的用于对目标神经网络进行训练的训练图像集合可以包括：通过在原始人脸图像中绘制遮挡物得到的包含遮挡物的人脸图像、预设人脸图像集合中的不作为原始人脸图像的未包含遮挡物的人脸图像、预设人脸图像集合中的包含遮挡物的人脸图像。

在本实施例的一些可选的实现方式中，构建出的用于对目标神经网络进行训练的人脸图像集合训练图像集合还包括：同一用户的未包含遮挡物的人脸图像和包含遮挡物的人脸图像。可以在一个原始人脸图像上绘制遮挡物之前，创建该原始人脸图像的副本，在该原始人脸图像绘制遮挡物得到包含遮挡物的人脸图像之后得到的包含遮挡物的人脸图像和创建的该原始人脸图像的副本均为同一用户的人脸图像，可以将属于该同一用户的包含遮挡物的人脸图像和创建的该原始人脸图像的副本均作为用于对目标神经网络进行训练的人脸图像加入到训练图像集合中。

步骤203，利用训练图像集合对目标神经网络进行训练，得到目标模型。

在本实施例中，目标模型用于判断人脸图像中是否存在遮挡物。可以利用构建的用于对目标神经网络进行训练的人脸图像集合中的人脸图像对目标神经网络进行训练，多次训练后精度达到精度阈值的目标神经网络可以作为目标模型。通过在选取出的每一个原始人脸图像中分别绘制遮挡物，得到包含遮挡物的人脸图像，进而增加可以用于训练的包含遮挡物的人脸图像的数量，对目标神经网络进行较为充分的训练。

请参考图3，作为对上述各图所示方法的实现，本申请提供了一种模型生成装置的一个实施例，该装置实施例与图2所示的方法实施例相对应。

如图3所示，本实施例的模型生成装置包括：绘制单元301，构建单元302，训练单元303。其中，绘制单元301配置用于基于待在原始人脸图像中绘制的遮挡物的特征点和所述原始人脸图像中的对应于所述遮挡物的人脸对象的特征点，在所述原始人脸图像中绘制所述遮挡物，得到包含所述遮挡物的人脸图像，其中，原始人脸图像为从预设人脸图像集合中选取出的未包含遮挡物的人脸图像；构建单元302配置用于构建用于生成目标模型的目标神经网络的训练图像集合，所述训练图像集合包括：通过在原始人脸图像中绘制遮挡物得到的包含遮挡物的人脸图像；训练单元303配置用于利用所述训练图像集合对所述目标神经网络进行训练，得到目标模型，所述目标模型用于判断人脸图像中是否存在遮挡物。

在本实施例的一些可选的实现方式中，绘制单元包括：相似绘制子单元，配置用于当遮挡物为眼镜时，基于人脸对象的相似度，从预设人脸图像集合中的所有包含眼镜的人脸图像中查找出与所述原始人脸图像的相似度最高的包含眼镜的人脸图像；将查找出的人脸图像中的眼镜作为待在所述原始人脸图像中绘制的眼镜，以及将所述原始人脸图像中的眼部的中心点的位置作为查找出的人脸图像中的眼镜的镜片的中心点在所述原始人脸图像中的位置；基于查找出的人脸图像中的眼镜对应的相对位置信息，确定查找出的人脸图像中的眼镜的轮廓特征点在所述原始人脸图像中的位置，所述相对位置信息指示所述眼镜的轮廓特征点相对于所述眼镜的镜片的中心点的相对位置。

在本实施例的一些可选的实现方式中，绘制单元包括：聚类绘制子单元，配置用于当遮挡物为眼镜时，从所述原始人脸图像所在的聚类结果中选取出包含眼镜的人脸图像，其中，聚类结果预先通过按照人脸对象的特征对从预设人脸图像集合中的人脸图像进行聚类而得到；将选取出的人脸图像中的眼镜作为待在所述原始人脸图像中绘制的眼镜，以及将所述原始人脸图像中的眼部的中心点的位置作为选取出的人脸图像中的眼镜的镜片的中心点在所述原始人脸图像中的位置；基于选取出的人脸图像中的眼镜对应的相对位置信息，确定选取出的人脸图像中的眼镜的轮廓特征点在所述原始人脸图像中的位置，所述相对位置信息指示所述眼镜的轮廓特征点相对于所述眼镜的镜片的中心点的相对位置。

在本实施例的一些可选的实现方式中，训练图像集合还包括：属于同一用户的未包含遮挡物的人脸图像和经过绘制遮挡物得到的包含遮挡物的人脸图像。

图4示出了适于用来实现本申请实施例的服务器的计算机系统的结构示意图。

如图4所示，计算机系统包括中央处理单元(CPU)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM403中，还存储有计算机系统操作所需的各种程序和数据。CPU 401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。

以下部件连接至I/O接口405：输入部分406；输出部分407；包括硬盘等的存储部分408；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器410上，以便于从其上读出的计算机程序根据需要被安装入存储部分408。

特别地，本申请的实施例中描述的过程可以被实现为计算机程序。例如，本申请的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包括用于执行流程图所示的方法的指令。该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时，执行本申请的方法中限定的上述功能。

本申请还提供了一种服务器，该服务器可以配置有一个或多个处理器；存储器，用于存储一个或多个程序，一个或多个程序中可以包含用以执行上述步骤201-203中描述的操作的指令。当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器执行上述步骤201-203中描述的操作。

本申请还提供了一种计算机可读介质，该计算机可读介质可以是服务器中所包括的；也可以是单独存在，未装配入服务器中。上述计算机可读介质承载有一个或者多个程序，当一个或者多个程序被服务器执行时，使得服务器：基于待在原始人脸图像中绘制的遮挡物的特征点和所述原始人脸图像中的对应于所述遮挡物的人脸对象的特征点，在所述原始人脸图像中绘制所述遮挡物，得到包含所述遮挡物的人脸图像，其中，原始人脸图像为从预设人脸图像集合中选取出的未包含遮挡物的人脸图像；构建用于生成目标模型的目标神经网络的训练图像集合，所述训练图像集合包括：通过在原始人脸图像中绘制遮挡物得到的包含遮挡物的人脸图像；利用所述训练图像集合对所述目标神经网络进行训练，得到目标模型，所述目标模型用于判断人脸图像中是否存在遮挡物。

需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括绘制单元、构建单元、训练单元。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种模型生成方法，包括：

基于待在原始人脸图像中绘制的遮挡物的特征点和所述原始人脸图像中的对应于所述遮挡物的人脸对象的特征点，在所述原始人脸图像中绘制所述遮挡物，得到包含所述遮挡物的人脸图像，其中，原始人脸图像为从预设人脸图像集合中选取出的未包含遮挡物的人脸图像；

构建用于生成目标模型的目标神经网络的训练图像集合，所述训练图像集合包括：通过在原始人脸图像中绘制遮挡物得到的包含遮挡物的人脸图像；

利用所述训练图像集合对所述目标神经网络进行训练，得到目标模型，所述目标模型用于判断人脸图像中是否存在遮挡物。

2.根据权利要求1所述的方法，遮挡物为眼镜；以及

基于待在原始人脸图像中绘制的遮挡物的特征点和所述原始人脸图像中的对应于所述遮挡物的人脸对象的特征点，在所述原始人脸图像中绘制所述遮挡物，得到包含所述遮挡物的人脸图像包括：

基于人脸对象的相似度，从预设人脸图像集合中的所有包含眼镜的人脸图像中查找出与所述原始人脸图像的相似度最高的包含眼镜的人脸图像；

将查找出的人脸图像中的眼镜作为待在所述原始人脸图像中绘制的眼镜，以及将所述原始人脸图像中的眼部的中心点的位置作为查找出的人脸图像中的眼镜的镜片的中心点在所述原始人脸图像中的位置；

基于查找出的人脸图像中的眼镜对应的相对位置信息，确定查找出的人脸图像中的眼镜的轮廓特征点在所述原始人脸图像中的位置，所述相对位置信息指示所述眼镜的轮廓特征点相对于所述眼镜的镜片的中心点的相对位置。

3.根据权利要求1所述的方法，遮挡物为眼镜；以及

基于待在原始人脸图像中绘制的遮挡物的特征点和所述原始人脸图像中的对应于所述遮挡物的人脸对象的特征点，在所述原始人脸图像中绘制所述遮挡物，得到包含所述遮挡物的人脸图像包括：

从所述原始人脸图像所在的聚类结果中选取出包含眼镜的人脸图像，其中，聚类结果预先通过按照人脸对象的特征对从预设人脸图像集合中的人脸图像进行聚类而得到；

将选取出的人脸图像中的眼镜作为待在所述原始人脸图像中绘制的眼镜，以及将所述原始人脸图像中的眼部的中心点的位置作为选取出的人脸图像中的眼镜的镜片的中心点在所述原始人脸图像中的位置；

基于选取出的人脸图像中的眼镜对应的相对位置信息，确定选取出的人脸图像中的眼镜的轮廓特征点在所述原始人脸图像中的位置，所述相对位置信息指示所述眼镜的轮廓特征点相对于所述眼镜的镜片的中心点的相对位置。

4.根据权利要求1-3之一所述的方法，所述训练图像集合还包括：属于同一用户的未包含遮挡物的人脸图像和经过绘制遮挡物得到的包含遮挡物的人脸图像。

5.一种模型生成装置，包括：

绘制单元，配置用于基于待在原始人脸图像中绘制的遮挡物的特征点和所述原始人脸图像中的对应于所述遮挡物的人脸对象的特征点，在所述原始人脸图像中绘制所述遮挡物，得到包含所述遮挡物的人脸图像，其中，原始人脸图像为从预设人脸图像集合中选取出的未包含遮挡物的人脸图像；

构建单元，配置用于构建用于生成目标模型的目标神经网络的训练图像集合，所述训练图像集合包括：通过在原始人脸图像中绘制遮挡物得到的包含遮挡物的人脸图像；

训练单元，配置用于利用所述训练图像集合对所述目标神经网络进行训练，得到目标模型，所述目标模型用于判断人脸图像中是否存在遮挡物。

6.根据权利要求5所述的装置，绘制单元包括：

相似绘制子单元，配置用于当遮挡物为眼镜时，基于人脸对象的相似度，从预设人脸图像集合中的所有包含眼镜的人脸图像中查找出与所述原始人脸图像的相似度最高的包含眼镜的人脸图像；将查找出的人脸图像中的眼镜作为待在所述原始人脸图像中绘制的眼镜，以及将所述原始人脸图像中的眼部的中心点的位置作为查找出的人脸图像中的眼镜的镜片的中心点在所述原始人脸图像中的位置；基于查找出的人脸图像中的眼镜对应的相对位置信息，确定查找出的人脸图像中的眼镜的轮廓特征点在所述原始人脸图像中的位置，所述相对位置信息指示所述眼镜的轮廓特征点相对于所述眼镜的镜片的中心点的相对位置。

7.根据权利要求5所述的装置，绘制单元包括：

聚类绘制子单元，配置用于当遮挡物为眼镜时，从所述原始人脸图像所在的聚类结果中选取出包含眼镜的人脸图像，其中，聚类结果预先通过按照人脸对象的特征对从预设人脸图像集合中的人脸图像进行聚类而得到；将选取出的人脸图像中的眼镜作为待在所述原始人脸图像中绘制的眼镜，以及将所述原始人脸图像中的眼部的中心点的位置作为选取出的人脸图像中的眼镜的镜片的中心点在所述原始人脸图像中的位置；基于选取出的人脸图像中的眼镜对应的相对位置信息，确定选取出的人脸图像中的眼镜的轮廓特征点在所述原始人脸图像中的位置，所述相对位置信息指示所述眼镜的轮廓特征点相对于所述眼镜的镜片的中心点的相对位置。

8.根据权利要求5-7之一所述的装置，所述训练图像集合还包括：属于同一用户的未包含遮挡物的人脸图像和经过绘制遮挡物得到的包含遮挡物的人脸图像。

9.一种服务器，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4中任一所述的方法。