CN111914630A - 为人脸识别生成训练数据的方法、装置、设备和存储介质 - Google Patents

为人脸识别生成训练数据的方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN111914630A
CN111914630A CN202010564314.XA CN202010564314A CN111914630A CN 111914630 A CN111914630 A CN 111914630A CN 202010564314 A CN202010564314 A CN 202010564314A CN 111914630 A CN111914630 A CN 111914630A
Authority
CN
China
Prior art keywords
mask
image
face image
face
wearing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010564314.XA
Other languages
English (en)
Inventor
温圣召
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010564314.XA priority Critical patent/CN111914630A/zh
Publication of CN111914630A publication Critical patent/CN111914630A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/012—Head tracking input arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
    • G06F3/0346—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor with detection of the device orientation or free movement in a 3D space, e.g. 3D mice, 6-DOF [six degrees of freedom] pointers using gyroscopes, accelerometers or tilt-sensors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships

Abstract

本申请公开了为人脸识别生成训练数据的方法、装置、设备和存储介质，涉及人工智能深度学习和计算机视觉技术领域，具体涉及人脸识别技术领域。具体实现方案为：获取人脸识别失败时的待测人脸图像；如果待测人脸图像为戴口罩的待测人脸图像，则提取待测人脸图像中的口罩图像；获取未戴口罩的人脸图像；计算未戴口罩的人脸图像的空间偏移角度；根据空间偏移角度对口罩图像进行旋转；将旋转之后的口罩图像融合至未戴口罩的人脸图像，以生成戴口罩的人脸图像。该方法能够获取到新型口罩的口罩图像，并将其融合至未戴口罩的人脸图像以生成戴口罩的人脸图像，从而扩充建立人脸识别模型的训练数据数量，提高了戴口罩的人脸图像的识别准确性。

Description

为人脸识别生成训练数据的方法、装置、设备和存储介质
技术领域
本申请涉及人工智能深度学习和计算机视觉技术领域，具体涉及人脸识别技术领域，尤其涉及一种为人脸识别生成训练数据的方法、装置、设备和存储介质。
背景技术
人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。人脸识别产品已广泛应用于金融、司法、军队、公安、边检、政府、航天、电力、工厂、教育、医疗及众多企事业单位等领域。随着技术的进一步成熟和社会认同度的提高，人脸识别技术将应用在更多的领域。
相关技术中，人脸识别技术主要通过采集&挖掘大量的人脸数据，进行聚类，然后做匹配训练。人脸识别模型对某种场景的效果主要取决于训练样本中是否包含足够多的该场景数据，当训练样本中该场景数据比较少时，训练的模型(即，人脸识别模型)对该场景表现不佳。
现今由于戴口罩的人越来越多，戴口罩成为了当前主要的一种场景，但是由于传统训练样本中口罩含量较少，导致现有训练方案对戴口罩的场景表现较差，致使戴口罩的人脸图像的识别准确性较低。
发明内容
提供了一种为人脸识别生成训练数据的方法、装置、设备以及存储介质，用于解决相关技术中，由于人脸识别模型中戴口罩的人脸图像的训练数据较少，导致戴口罩的人脸图像的识别准确性较低的技术问题。
根据第一方面，提供了一种为人脸识别生成训练数据的方法，包括：
获取人脸识别失败时的待测人脸图像；
如果所述待测人脸图像为戴口罩的待测人脸图像，则提取所述待测人脸图像中的口罩图像；
获取未戴口罩的人脸图像；
计算所述未戴口罩的人脸图像的空间偏移角度；
根据所述空间偏移角度对所述口罩图像进行旋转以使所述口罩图像与所述未戴口罩的人脸图像在空间上一致；以及
将旋转之后的口罩图像融合至所述未戴口罩的人脸图像，以生成戴口罩的人脸图像。
本申请实施例的为人脸识别生成训练数据的方法，首先获取人脸识别失败时的待测人脸图像，如果待测人脸图像为戴口罩的待测人脸图像，则提取待测人脸图像中的口罩图像，然后获取未戴口罩的人脸图像，并计算未戴口罩的人脸图像的空间偏移角度，以及根据空间偏移角度对口罩图像进行旋转以使口罩图像与未戴口罩的人脸图像在空间上一致，最后将旋转之后的口罩图像融合至未戴口罩的人脸图像，以生成戴口罩的人脸图像。由此，能够获取到新型口罩的口罩图像，并将其融合至未戴口罩的人脸图像以生成戴口罩的人脸图像，从而扩充建立人脸识别模型的训练数据数量，提高了戴口罩的人脸图像的识别准确性。
根据第二方面，提供了一种为人脸识别生成训练数据的装置，包括：
第一获取模块，用于获取人脸识别失败时的待测人脸图像；
提取模块，用于如果所述待测人脸图像为戴口罩的待测人脸图像，则提取所述待测人脸图像中的口罩图像；
第二获取模块，用于获取未戴口罩的人脸图像，并获取口罩图像；
计算模块，用于计算所述未戴口罩的人脸图像的空间偏移角度；
调整模块，用于根据所述空间偏移角度对所述口罩图像进行旋转以使所述口罩图像与所述未戴口罩的人脸图像在空间上一致；以及
生成模块，用于将旋转之后的口罩图像融合至所述未戴口罩的人脸图像，以生成戴口罩的人脸图像。
本申请实施例的为人脸识别生成训练数据的装置，先通过第一获取模块获取人脸识别失败时的待测人脸图像，如果待测人脸图像为戴口罩的待测人脸图像，则通过提取模块提取待测人脸图像中的口罩图像，然后通过第二获取模块获取未戴口罩的人脸图像，并通过计算模块计算未戴口罩的人脸图像的空间偏移角度，再然后通过调整模块根据空间偏移角度对口罩图像进行旋转以使口罩图像与未戴口罩的人脸图像在空间上一致，最后通过生成模块将旋转之后的口罩图像融合至未戴口罩的人脸图像，以生成戴口罩的人脸图像。由此，能够获取到新型口罩的口罩图像，并将其融合至未戴口罩的人脸图像以生成戴口罩的人脸图像，从而扩充建立人脸识别模型的训练数据数量，提高了戴口罩的人脸图像的识别准确性。
根据第三方面，提供了一种电子设备，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上述一方面实施例所述的为人脸识别生成训练数据的方法。
根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其上存储有计算机程序，所述计算机指令用于使所述计算机执行上述一方面实施例所述的为人脸识别生成训练数据的方法。
根据本申请的技术解决了解决相关技术中，由于人脸识别模型中戴口罩的人脸图像的训练数据较少，导致戴口罩的人脸图像的识别准确性较低的技术问题。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是本申请实施例提供的一种为人脸识别生成训练数据的方法的流程示意图；
图2是本申请实施例提供的另一种为人脸识别生成训练数据的方法的流程示意图；
图3是本申请实施例提供的三维空间的右手笛卡尔坐标系的示意图；
图4是本申请实施例提供的又一种为人脸识别生成训练数据的方法的流程示意图；
图5是本申请实施例提供的还一种为人脸识别生成训练数据的方法的流程示意图；
图6是本申请实施例提供的再一种为人脸识别生成训练数据的方法的流程示意图；
图7是本申请实施例提供的一种为人脸识别生成训练数据的装置的方框示意图；
图8是本申请实施例提供的另一种为人脸识别生成训练数据的装置的方框示意图；
图9是本申请实施例提供的又一种为人脸识别生成训练数据的装置的方框示意图；
图10是本申请实施例提供的还一种为人脸识别生成训练数据的装置的方框示意图；以及
图11是根据本申请实施例的为人脸识别生成训练数据的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
下面参考附图描述本申请实施例的为人脸识别生成训练数据的方法、装置、设备和存储介质。
本申请实施例，针对相关技术中，由于人脸识别模型中戴口罩的人脸图像的训练数据较少，导致戴口罩的人脸图像的识别准确性较低的技术问题，提出一种为人脸识别生成训练数据的方法。
本申请实施例的为人脸识别生成训练数据的方法，可以获取到新型口罩的口罩图像，并将该新型口罩的口罩图像融合至未戴口罩的人脸图像，以生成戴口罩的人脸图像，解决了上述相关技术中的问题，同时提高了训练的效率。
本申请实施例提供的为人脸识别生成训练数据的方法，可以由电子设备来执行，该电子设备可为PC(Personal Computer，个人计算机)电脑、平板电脑或掌上电脑等，此处不做任何限定。
在本申请实施例中，电子设备中可以设置有处理组件、存储组件和驱动组件。可选的，该驱动组件和处理组件可以集成设置，该存储组件可以存储操作系统、应用程序或其他程序模块，该处理组件通过执行存储组件中存储的应用程序来实现本申请实施例提供的为人脸识别生成训练数据的方法。
其中，通过本申请实施例提供的为人脸识别生成训练数据的方法得到的戴口罩的人脸图像，是为了扩充建立人脸识别模型的训练数据数量，从而提高戴口罩的人脸图像的识别准确性。其中，该人脸识别模型可预先设置在电子设备中，即该人脸识别模型可预先存储在电子设备的存储空间中，该存储空间不仅限于基于实体的存储空间，例如，硬盘，上述存储空间还可以是连接电子设备的网络硬盘的存储空间(云存储空间)。
图1是本申请实施例提供的一种为人脸识别生成训练数据的方法的流程示意图。
本申请实施例的为人脸识别生成训练数据的方法，还可由本申请实施例提供的为人脸识别生成训练数据的装置执行，该装置可配置于电子设备中，以实现获取新型口罩的口罩图像，并将该新型口罩的口罩图像融合至未戴口罩的人脸图像，以生成戴口罩的人脸图像。
作为一种可能的情况，本申请实施例的为人脸识别生成训练数据的方法还可以在服务器端执行，服务器可以为云服务器，可以在云端执行该为人脸识别生成训练数据的方法。
如图1所示，该为人脸识别生成训练数据的方法可以包括以下步骤：
步骤101，获取人脸识别失败时的待测人脸图像。
具体地，在人脸识别的过程中，摄像头采集待测人的人脸图像生成待测人脸图像，并将该待测人脸图像发送至电子设备进行人脸识别。电子设备在接收到该待测人脸图像后，可基于预设的人脸识别模型对该待测人脸图像进行识别，即对待测人进行识别。当识别失败时，电子设备可获取该待测人脸图像，并可将其保存在自身的存储空间中，以便于后续使用时方便调用。
需要说明的是，该实施例中所描述的待测人先前以做过人脸图像的录入操作，也就是说，该待测人可以进行人脸识别。
步骤102，如果待测人脸图像为戴口罩的待测人脸图像，则提取待测人脸图像中的口罩图像。
在本申请实施例中，若待测人脸图像为戴口罩的待测人脸图像且人脸识别失败，则可说明预设的人脸识别模型中并不包含该待测人脸图中的口罩，即该待测人脸图中的口罩为新型口罩。
具体地，电子设备在获取人脸识别失败时的待测人脸图像之后，可判断该待测人脸图像是否为戴口罩的待测人脸图，如果是，则提取该提取待测人脸图像中的口罩图像。
需要说明的是，如果判断该待测人脸图像不为戴口罩的待测人脸图，则电子设备可停止本次操作。
在本申请实施例中，电子设备在提取到待测人脸图像中的口罩图像后，还可以对该口罩图像进行预处理，以使该口罩图像中的口罩转正，即预处理后的口罩图像为正面的口罩图像，以便于后续的操作。
步骤103，获取未戴口罩的人脸图像，其中，未戴口罩的人脸图像可以是多个。
需要说明的是，该实施例中所描述的未戴口罩的人脸图像，可以是预设的人脸识别模型中的所有未戴口罩的人脸图像，该所有未戴口罩的人脸图像可包括通过摄像头采集的不同用户未戴口罩的人脸图像，其中，该预设的人脸识别模型可为人脸识别功能提供数据支持。
具体地，电子设备可直接从预设的人脸识别模型中调取所有未戴口罩的人脸图像。
步骤104，计算未戴口罩的人脸图像的空间偏移角度。
需要说明的是，该实施例中所描述的空间偏移角度，可表示戴口罩的人脸图像相对于标准正脸图像在空间上的偏移角度(例如，在空间上各个纬度的偏移角度)。
在本申请实施例中，电子设备可通过预设算法计算未戴口罩的人脸图像的空间偏移角度，其中，该预设算法可根据实际情况进行标定。
步骤105，根据空间偏移角度对口罩图像进行旋转以使口罩图像与未戴口罩的人脸图像在空间上一致。
需要说明的是，如果口罩图像与人脸图像在空间上不一致，在后续进行图像融合时，容易导致口罩贴在人脸上的位置不对，例如，口罩挂耳朵的带子没有挂在耳朵上、口罩的罩面没有完全覆盖嘴巴等。
步骤106，将旋转之后的口罩图像融合至未戴口罩的人脸图像，以生成戴口罩的人脸图像。
具体地，电子设备在提取到待测人脸图像中的口罩图像之后，可直接从预设的人脸识别模型中调取所有未戴口罩的人脸图像，以及通过预设算法计算出未戴口罩的人脸图像的空间偏移角度。然后电子设备可根据空间偏移角度对口罩图像进行旋转，以使口罩图像与未戴口罩的人脸图像在空间上一致。再然后电子设备可将旋转之后的口罩图像分别融合至上述所有未戴口罩的人脸图像，以生成与上述所有未戴口罩的人脸图像相对应的戴口罩的人脸图像。
进一步地，为了提高戴口罩的人脸图像的识别准确性，电子设备在得到与上述所有未戴口罩的人脸图像相对应的戴口罩的人脸图像后，可将其输入至预设的人脸识别模型，以为人脸识别功能提供更多的训练数据。
在本申请实施例中，首先获取人脸识别失败时的待测人脸图像，如果待测人脸图像为戴口罩的待测人脸图像，则提取待测人脸图像中的口罩图像，然后获取未戴口罩的人脸图像，并计算未戴口罩的人脸图像的空间偏移角度，以及根据空间偏移角度对口罩图像进行旋转以使口罩图像与未戴口罩的人脸图像在空间上一致，最后将旋转之后的口罩图像融合至未戴口罩的人脸图像，以生成戴口罩的人脸图像。由此，能够获取到新型口罩的口罩图像，并将其融合至未戴口罩的人脸图像以生成戴口罩的人脸图像，从而扩充建立人脸识别模型的训练数据数量，提高了戴口罩的人脸图像的识别准确性。
为了清楚说明上一实施例，在本申请的一个实施例中，如图2所示，提取待测人脸图像中的口罩图像可包括以下步骤：
步骤201，获取待测人脸图像之中口罩区域的标注边界坐标。
需要说明的是，该实施例中所描述的标注边界坐标可为三维坐标，即三维空间的右手笛卡尔坐标。由此，该标注边界坐标完全覆盖口罩区域的边界。
步骤202，根据口罩区域的标注边界坐标提取口罩图像。
具体地，电子设备在得到上述待测人脸图像之后，可选待测人脸图中两眼之间的中心点作为原点建立三维空间的右手笛卡尔坐标系，并对该待测人脸图像中的口罩区域的边界坐标进行标注，以获取该待测人脸图像之中口罩区域的标注边界坐标。然后电子设备根据口罩区域的标注边界坐标从该待测人脸图像之中将口罩图像提取出来。由此可以得到新型口罩的口罩图像。
为了清楚说明图1所述实施例，在本申请的一个实施例中，计算未戴口罩的人脸图像的空间偏移角度，可包括获取标准正脸图像，并根据未戴口罩的人脸图像和标准正脸图像生成空间偏移角度。
在本申请实施例中，标准正脸图像可预设在电子设备中，该标准正脸图像可为人脸识别系统中，录入用户人脸图像时给出的标准示例，也可以是人脸识别系统依据预设识别标准自动生成的人脸图像，此处不做任何限定。
具体地，电子设备在获取到未戴口罩的人脸图像和口罩图像之后，可再从内置的存储空间中调出标准正脸图像，并根据未戴口罩的人脸图像和标准正脸图像生成空间偏移角度，以便于后续对口罩图像的空间位置进行调整。
在本申请的一个实施例中，空间偏移角度可包括俯仰角、偏航角和翻滚角，其中，如图3所示的三维空间的右手笛卡尔坐标系，俯仰角可表示低头仰头的角度；偏航角可表示左右转头的角度；翻滚角可表示左右歪头的角度。也就是说，通过俯仰角、偏航角和翻滚角可以很好的体现出未戴口罩的人脸图像相对于标准正脸图像在空间的位置。
为了清楚说明上一实施例，在本申请的一个实施例中，如图4所示，根据未戴口罩的人脸图像和标准正脸图像生成空间偏移角度，包括以下步骤：
步骤401，获取未戴口罩的人脸图像中的多个第一关键点位置。
在本申请实施例中，多个第一关键点位置可包括人脸上嘴巴、鼻子、下巴、耳朵等关键点位置。
步骤402，获取标准正脸图像中的多个第二关键点位置，其中，多个第一关键点位置与多个第二关键点位置一一对应。
在本申请实施例中，多个第二关键点位置也可包括人脸上嘴巴、鼻子、下巴、耳朵等关键点位置，且与多个第一关键点位置一一对应。
需要说明的是，该实施例中所描述的关键点的位置可为人员戴口罩所覆盖区域的位置。
步骤403，根据第一关键点位置和第二关键点位置计算空间偏移角度。
具体地，电子设备在获取到未戴口罩的人脸图像和口罩图像之后，可再从内置的存储空间中调出标准正脸图像。然后电子设备可分别在未戴口罩的人脸图像和标准正脸图像中，以图像的正中间为原点建立三维空间的右手笛卡尔坐标系，并分别获取未戴口罩的人脸图像和标准正脸图像中，嘴巴、鼻子、下巴、耳朵等关键点的坐标。再然后电子设备基于未戴口罩的人脸图像和标准正脸图像中嘴巴、鼻子、下巴、耳朵等关键点的坐标，计算出空间偏移角度。由此可以精确的计算出未戴口罩的人脸图像针对标准正脸图像的空间偏移角度，以便于后续对口罩图像的空间位置进行调整。
为了清楚说明图1所述实施例，在本申请的一个实施例中，如图5所示，根据空间偏移角度对口罩图像进行旋转以使口罩图像与未戴口罩的人脸图像在空间上一致，可包括以下步骤：
步骤501，获取口罩图像的多个第三关键点位置。
在本申请实施例中，多个第三关键点位置可包括口罩两个耳挂的位置、口罩中心的位置、口罩最高点和口罩最低点的位置等。
步骤502，根据空间偏移角度确定多个第三关键位置的位置向量。
在本申请实施例中，也可以口罩图像的正中间为原点建立三维空间的右手笛卡尔坐标系，以便于根据空间偏移角度确定多个第三关键位置的位置向量。
需要说明的是，在未戴口罩的人脸图、标准正脸图像和口罩图像中建立的三维空间的右手笛卡尔坐标的原点应是相同的。
步骤503，根据位置向量控制多个第三关键点位置进行移动，以使口罩图像与未戴口罩的人脸图像在空间上一致。
具体地，电子设备在计算出未戴口罩的人脸图像的空间偏移角度后，可在口罩图像中以图像的正中间为原点建立三维空间的右手笛卡尔坐标系，并分别获取口罩图像的多个第三关键点位置的坐标，以及根据空间偏移角度确定多个第三关键位置的位置向量。然后电子设备可根据位置向量控制多个第三关键点位置进行移动，以使口罩图像与未戴口罩的人脸图像在空间上一致，从而使得口罩图像在空间上与未戴口罩的人脸图像保持一致。
为了进一步扩充人脸识别所需的训练数据，在本申请的一个实施例中，在根据空间偏移角度对口罩图像进行旋转以使口罩图像与未戴口罩的人脸图像在空间上一致之后，还可包括对旋转之后的口罩图像进行数据增广，以得到多个不同形态的口罩图像，其中，多个不同形态的口罩图像用于与未戴口罩的人脸图像进行融合。应说明的是，该实施例中所描述的数据增广可包括水平/垂直翻转、旋转、缩放、裁剪、剪切、平移、对比度和色彩抖动等，其中，色彩抖动可包括颜色替换。
为了清楚说明上一实施例，在本申请的一个实施例中，如图6所示，对旋转之后的口罩图像进行数据增广，以得到多个不同形态的口罩图像，可包括以下步骤：
步骤601，提取旋转之后的口罩图像中的口罩特征信息。
在本申请实施例中，口罩特征信息可包括口罩的大小信息、口罩的颜色信息、口罩在空间中的位置信息和口罩的形态信息等。
步骤602，根据口罩特征信息和预设选取规则，控制旋转之后的口罩图像分别进行平移、旋转、大小缩放和颜色替换中的一种或多种，以得到多个不同形态的口罩图像。其中，预设选取规则可根据实际情况进行标定。
具体地，电子设备在完成对口罩图像进行旋转的操作后，可通过预设的提取算法从旋转之后的口罩图像中的提取口罩的大小信息、口罩的颜色信息、口罩在空间中的位置信息和口罩的形态信息等中一个或多个特征信息。然后电子设备可根据口罩特征信息和预设选取规则，控制旋转之后的口罩图像分别进行平移、旋转、大小缩放和颜色替换中的一种或多种，以得到多个不同形态的口罩图像。最后电子设备可将该多个不同形态的口罩图像分别融合至上述所有未戴口罩的人脸图像，以生成多个戴不同形态口罩的人脸图像，其中，同一用户标识可对应多个戴不同形态口罩的人脸图像。由此，数据增广方式可以大大扩充建立人脸识别模型的训练数据数量，从而解决了相关技术中，口罩训练数据中口罩位置单一、口罩遮挡位置固定和口罩颜色单一等情况，大大提高了戴口罩的人脸图像的识别准确性。
为了解决训练数据中同一人戴口罩及不戴口罩数据对应数据不足的问题，在本申请的一个实施例中，该为人脸识别生成训练数据的方法还可包括将未戴口罩的人脸图像与戴口罩的人脸图像进行绑定，并输入至预设的人脸识别模型以对预设的人脸识别模型进行更新。
具体地，电子设备在提取到待测人脸图像中的口罩图像之后，可直接从预设的人脸识别模型中调取所有未戴口罩的人脸图像，以及计算未戴口罩的人脸图像的空间偏移角度。然后电子设备可根据空间偏移角度对口罩图像进行旋转，以使口罩图像与未戴口罩的人脸图像在空间上一致。再然后电子设备可对旋转之后的口罩图像进行数据增广以得到多个不同形态的口罩图像，并将该多个不同形态的口罩图像分别融合至上述所有未戴口罩的人脸图像，以生成多个戴不同形态口罩的人脸图像。最后电子设备将同一用户标识对应的未戴口罩的人脸图像和多个戴不同形态口罩的人脸图像进行绑定，并输入至预设的人脸识别模型以对预设的人脸识别模型进行更新。由此，解决了训练数据中同一人戴口罩及不戴口罩数据对应数据不足的问题，同时进一步提高了戴口罩的人脸图像的识别准确性。
需要说明的是，该实施例中所描述的同一用户标识对应的未戴口罩的人脸图像也可为多个。
本申请实施例的为人脸识别生成训练数据的方法，能够在线上获取到新型口罩的口罩图像，并将其融合至未戴口罩的人脸图像以生成戴口罩的人脸图像，从而可以大大扩增带口罩的人脸图像数据，解决戴口罩人脸识别中口罩数据不足、口罩类型单一、颜色单一、遮挡面积单一等问题，同时解决同一人戴口罩和非带口罩对过少的问题。另外，数据扩增方式的加入，可以使得在不增加口罩数据采集成本、只使用现有数据的情况下，大大提高了戴口罩的人脸图像的识别准确性。
图7是本申请实施例提供的一种为人脸识别生成训练数据的装置的方框示意图。
本申请实施例的为人脸识别生成训练数据的装置，可配置于电子设备中，以实现获取新型口罩的口罩图像，并将该新型口罩的口罩图像融合至未戴口罩的人脸图像，以生成戴口罩的人脸图像。
如图7所示，该为人脸识别生成训练数据的装置1000可以包括：第一获取模块100、提取模块200、第二获取模块300、计算模块400、调整模块500和生成模块600。
其中，第一获取模块100用于获取人脸识别失败时的待测人脸图像。
具体地，在人脸识别的过程中，摄像头采集待测人的人脸图像生成待测人脸图像，并将该待测人脸图像发送至电子设备进行人脸识别。电子设备在接收到该待测人脸图像后，可基于预设的人脸识别模型对该待测人脸图像进行识别，即对待测人进行识别。当识别失败时，第一获取模块100可获取该待测人脸图像，并可将其保存在自身的存储空间中，以便于后续使用时方便调用。
需要说明的是，该实施例中所描述的待测人先前以做过人脸图像的录入操作，也就是说，该待测人可以进行人脸识别。
提取模块200用于如果待测人脸图像为戴口罩的待测人脸图像，则提取待测人脸图像中的口罩图像。
在本申请实施例中，若待测人脸图像为戴口罩的待测人脸图像且人脸识别失败，则可说明预设的人脸识别模型中并不包含该待测人脸图中的口罩，即该待测人脸图中的口罩为新型口罩。
具体地，在第一获取模100获取到人脸识别失败时的待测人脸图像之后，提取模块200可判断该待测人脸图像是否为戴口罩的待测人脸图，如果是，则提取该提取待测人脸图像中的口罩图像。
在本申请实施例中，提取模块200在提取到待测人脸图像中的口罩图像后，还可以对该口罩图像进行预处理，以使该口罩图像中的口罩转正，即预处理后的口罩图像为正面的口罩图像，以便于后续的操作。
第二获取模块300用于获取未戴口罩的人脸图像。其中，未戴口罩的人脸图像可以是多个。
需要说明的是，该实施例中所描述的未戴口罩的人脸图像，可以是预设的人脸识别模型中的所有未戴口罩的人脸图像，该所有未戴口罩的人脸图像可包括通过摄像头采集的不同用户未戴口罩的人脸图像，其中，该预设的人脸识别模型可为人脸识别功能提供数据支持。
具体地，第二获取模块300可直接从设置在电子设备中的预设的人脸识别模型中调取所有未戴口罩的人脸图像。
计算模块400用于计算未戴口罩的人脸图像的空间偏移角度。
需要说明的是，该实施例中所描述的空间偏移角度，可表示戴口罩的人脸图像相对于标准正脸图像在空间上的偏移角度(例如，在空间上各个纬度的偏移角度)。
在本申请实施例中，计算模块400可通过预设算法计算未戴口罩的人脸图像的空间偏移角度，其中，该预设算法可根据实际情况进行标定。
调整模块500用于根据空间偏移角度对口罩图像进行旋转以使口罩图像与未戴口罩的人脸图像在空间上一致。
需要说明的是，如果口罩图像与人脸图像在空间上不一致，在后续进行图像融合时，容易导致口罩贴在人脸上的位置不对，例如，口罩挂耳朵的带子没有挂在耳朵上、口罩的罩面没有完全覆盖嘴巴等。
生成模块600用于将旋转之后的口罩图像融合至未戴口罩的人脸图像，以生成戴口罩的人脸图像。
具体地，在提取模块200提取到待测人脸图像中的口罩图像之后，第二获取模块300可直接从设置在电子设备中的预设的人脸识别模型中调取所有未戴口罩的人脸图像。然后计算模块400通过预设算法计算出未戴口罩的人脸图像的空间偏移角度。再然后调整模块500可根据空间偏移角度对口罩图像进行旋转，以使口罩图像与未戴口罩的人脸图像在空间上一致。而后生成模块600可将旋转之后的口罩图像分别融合至上述所有未戴口罩的人脸图像，以生成与上述所有未戴口罩的人脸图像相对应的戴口罩的人脸图像。
进一步地，为了提高戴口罩的人脸图像的识别准确性，生成模块600在得到与上述所有未戴口罩的人脸图像相对应的戴口罩的人脸图像后，可将其输入至预设的人脸识别模型，以为人脸识别功能提供更多的训练数据。
在本申请实施例中，先通过第一获取模块获取人脸识别失败时的待测人脸图像，如果待测人脸图像为戴口罩的待测人脸图像，则通过提取模块提取待测人脸图像中的口罩图像，然后通过第二获取模块获取未戴口罩的人脸图像，并通过计算模块计算未戴口罩的人脸图像的空间偏移角度，再然后通过调整模块根据空间偏移角度对口罩图像进行旋转以使口罩图像与未戴口罩的人脸图像在空间上一致，最后通过生成模块将旋转之后的口罩图像融合至未戴口罩的人脸图像，以生成戴口罩的人脸图像。由此，能够获取到新型口罩的口罩图像，并将其融合至未戴口罩的人脸图像以生成戴口罩的人脸图像，从而扩充建立人脸识别模型的训练数据数量，提高了戴口罩的人脸图像的识别准确性。
在本申请的一个实施例中，如图8所示，计算模块400可包括获取单元410和生成单元420。
其中，获取单元410用于获取标准正脸图像。
生成单元420用于根据未戴口罩的人脸图像和标准正脸图像生成空间偏移角度。
在本申请的一个实施例中，生成单元420具体用于获取未戴口罩的人脸图像中的多个第一关键点位置，并获取标准正脸图像中的多个第二关键点位置，其中，多个第一关键点位置与多个第二关键点位置一一对应，以及根据第一关键点位置和第二关键点位置计算空间偏移角度。
在本申请的一个实施例中，调整模块500具体用于获取口罩图像的多个第三关键点位置，并根据空间偏移角度确定多个第三关键点位置的位置向量，以及根据位置向量控制多个第三关键点位置进行移动，以使口罩图像与未戴口罩的人脸图像在空间上一致。
在本申请的一个实施例中，第二获取模块300具体用于获取带口罩的样本人脸图像，并获取带口罩的样本人脸图像之中口罩区域的标注边界坐标，以及根据口罩区域的标注边界坐标提取口罩图像。
在本申请的一个实施例中，如图9所示，该为人脸识别生成训练数据的装置1000还可以包括数据增广模块700，其中，数据增广模块700用于对旋转之后的口罩图像进行数据增广，以得到多个不同形态的口罩图像，其中，多个不同形态的口罩图像用于与未戴口罩的人脸图像进行融合。
在本申请的一个实施例中，数据增广模块700具体用于提取旋转之后的口罩图像中的口罩特征信息，并根据口罩特征信息和预设选取规则，控制旋转之后的口罩图像分别进行平移、旋转、大小缩放和颜色替换中的一种或多种，以得到多个不同形态的口罩图像。
在本申请的一个实施例中，如图10所示，该为人脸识别生成训练数据的装置1000还可以包括绑定模块800，其中，绑定模块800用于将未戴口罩的人脸图像与戴口罩的人脸图像进行绑定，并输入至预设的人脸识别模型以对预设的人脸识别模型进行更新。
在本申请的一个实施例中，空间偏移角度包括俯仰角、偏航角和翻滚角。
需要说明的是，前述对为人脸识别生成训练数据的方法实施例的解释说明也适用于该实施例的为人脸识别生成训练数据的装置，此处不再赘述。
本申请实施例的为人脸识别生成训练数据的装置，先通过第一获取模块获取人脸识别失败时的待测人脸图像，如果待测人脸图像为戴口罩的待测人脸图像，则通过提取模块提取待测人脸图像中的口罩图像，然后通过第二获取模块获取未戴口罩的人脸图像，并通过计算模块计算未戴口罩的人脸图像的空间偏移角度，再然后通过调整模块根据空间偏移角度对口罩图像进行旋转以使口罩图像与未戴口罩的人脸图像在空间上一致，最后通过生成模块将旋转之后的口罩图像融合至未戴口罩的人脸图像，以生成戴口罩的人脸图像。由此，能够获取到新型口罩的口罩图像，并将其融合至未戴口罩的人脸图像以生成戴口罩的人脸图像，从而扩充建立人脸识别模型的训练数据数量，提高了戴口罩的人脸图像的识别准确性。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图11所示，是根据本申请实施例的为人脸识别生成训练数据的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图11所示，该电子设备包括：一个或多个处理器801、存储器802，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图11中以一个处理器801为例。
存储器802即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的为人脸识别生成训练数据的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的为人脸识别生成训练数据的方法。
存储器802作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的为人脸识别生成训练数据的方法对应的程序指令/模块(例如，附图7所示的人脸识别生成训练数据的装置1000包括：第一获取模块100、提取模块200、第二获取模块300、计算模块400、调整模块500和生成模块600)。处理器801通过运行存储在存储器802中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的为人脸识别生成训练数据的方法。
存储器802可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据为人脸识别生成训练数据的方法的电子设备的使用所创建的数据等。此外，存储器802可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器802可选包括相对于处理器801远程设置的存储器，这些远程存储器可以通过网络连接至为人脸识别生成训练数据的方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
为人脸识别生成训练数据的方法的电子设备还可以包括：输入装置803和输出装置804。处理器801、存储器802、输入装置803和输出装置804可以通过总线或者其他方式连接，图11中以通过总线连接为例。
输入装置803可接收输入的数字或字符信息，以及产生与为人脸识别生成训练数据的方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置804可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案，能够获取到新型口罩的口罩图像，并将其融合至未戴口罩的人脸图像以生成戴口罩的人脸图像，从而扩充建立人脸识别模型的训练数据数量，提高了戴口罩的人脸图像的识别准确性。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (20)

1.一种为人脸识别生成训练数据的方法，包括：
获取人脸识别失败时的待测人脸图像；
如果所述待测人脸图像为戴口罩的待测人脸图像，则提取所述待测人脸图像中的口罩图像；
获取未戴口罩的人脸图像；
计算所述未戴口罩的人脸图像的空间偏移角度；
根据所述空间偏移角度对所述口罩图像进行旋转以使所述口罩图像与所述未戴口罩的人脸图像在空间上一致；以及
将旋转之后的口罩图像融合至所述未戴口罩的人脸图像，以生成戴口罩的人脸图像。
2.根据权利要求1所述的为人脸识别生成训练数据的方法，其中，所述计算所述未戴口罩的人脸图像的空间偏移角度，包括：
获取标准正脸图像；以及
根据所述未戴口罩的人脸图像和所述标准正脸图像生成所述空间偏移角度。
3.根据权利要求2所述的为人脸识别生成训练数据的方法，其中，所述根据所述未戴口罩的人脸图像和所述标准正脸图像生成所述空间偏移角度，包括：
获取所述未戴口罩的人脸图像中的多个第一关键点位置；
获取所述标准正脸图像中的多个第二关键点位置，其中，所述多个第一关键点位置与所述多个第二关键点位置一一对应；以及
根据所述第一关键点位置和所述第二关键点位置计算所述空间偏移角度。
4.根据权利要求1所述的为人脸识别生成训练数据的方法，其中，所述根据所述空间偏移角度对所述口罩图像进行旋转以使所述口罩图像与所述未戴口罩的人脸图像在空间上一致，包括：
获取所述口罩图像的多个第三关键点位置；
根据所述空间偏移角度确定所述多个第三关键点位置的位置向量；以及
根据所述位置向量控制所述多个第三关键点位置进行移动，以使所述口罩图像与所述未戴口罩的人脸图像在空间上一致。
5.根据权利要求1-4任一项所述的为人脸识别生成训练数据的方法，其中，所述提取所述待测人脸图像中的口罩图像，包括：
获取所述待测人脸图像之中口罩区域的标注边界坐标；以及
根据所述口罩区域的标注边界坐标提取所述口罩图像。
6.根据权利要求1所述的为人脸识别生成训练数据的方法，其中，在所述根据所述空间偏移角度对所述口罩图像进行旋转以使所述口罩图像与所述未戴口罩的人脸图像在空间上一致之后，还包括：
对所述旋转之后的口罩图像进行数据增广，以得到多个不同形态的口罩图像，其中，所述多个不同形态的口罩图像用于与所述未戴口罩的人脸图像进行融合。
7.根据权利要求6所述的为人脸识别生成训练数据的方法，其中，所述对所述旋转之后的口罩图像进行数据增广，以得到多个不同形态的口罩图像，包括：
提取所述旋转之后的口罩图像中的口罩特征信息；以及
根据所述口罩特征信息和预设选取规则，控制所述旋转之后的口罩图像分别进行平移、旋转、大小缩放和颜色替换中的一种或多种，以得到所述多个不同形态的口罩图像。
8.根据权利要求1所述的为人脸识别生成训练数据的方法，还包括：
将所述未戴口罩的人脸图像与所述戴口罩的人脸图像进行绑定，并输入至预设的人脸识别模型以对所述预设的人脸识别模型进行更新。
9.根据权利要求1-4任一项所述的为人脸识别生成训练数据的方法，其中，所述空间偏移角度包括俯仰角、偏航角和翻滚角。
10.一种为人脸识别生成训练数据的装置，包括：
第一获取模块，用于获取人脸识别失败时的待测人脸图像；
提取模块，用于如果所述待测人脸图像为戴口罩的待测人脸图像，则提取所述待测人脸图像中的口罩图像；
第二获取模块，用于获取未戴口罩的人脸图像；
计算模块，用于计算所述未戴口罩的人脸图像的空间偏移角度；
调整模块，用于根据所述空间偏移角度对所述口罩图像进行旋转以使所述口罩图像与所述未戴口罩的人脸图像在空间上一致；以及
生成模块，用于将旋转之后的口罩图像融合至所述未戴口罩的人脸图像，以生成戴口罩的人脸图像。
11.根据权利要求10所述的为人脸识别生成训练数据的装置，其中，所述计算模块，包括：
获取单元，用于获取标准正脸图像；以及
生成单元，用于根据所述未戴口罩的人脸图像和所述标准正脸图像生成所述空间偏移角度。
12.根据权利要求11所述的为人脸识别生成训练数据的装置，其中，所述生成单元，具体用于：
获取所述未戴口罩的人脸图像中的多个第一关键点位置；
获取所述标准正脸图像中的多个第二关键点位置，其中，所述多个第一关键点位置与所述多个第二关键点位置一一对应；以及
根据所述第一关键点位置和所述第二关键点位置计算所述空间偏移角度。
13.根据权利要求10所述的为人脸识别生成训练数据的装置，其中，所述调整模块，具体用于：
获取所述口罩图像的多个第三关键点位置；
根据所述空间偏移角度确定所述多个第三关键点位置的位置向量；以及
根据所述位置向量控制所述多个第三关键点位置进行移动，以使所述口罩图像与所述未戴口罩的人脸图像在空间上一致。
14.根据权利要求10-13任一项所述的为人脸识别生成训练数据的装置，其中，所述提取模块，具体用于：
获取所述待测人脸图像之中口罩区域的标注边界坐标；以及
根据所述口罩区域的标注边界坐标提取所述口罩图像。
15.根据权利要求10所述的为人脸识别生成训练数据的装置，还包括：
数据增广模块，用于对所述旋转之后的口罩图像进行数据增广，以得到多个不同形态的口罩图像，其中，所述多个不同形态的口罩图像用于与所述未戴口罩的人脸图像进行融合。
16.根据权利要求15所述的为人脸识别生成训练数据的装置，其中，所述数据增广模块，具体用于：
提取所述旋转之后的口罩图像中的口罩特征信息；以及
根据所述口罩特征信息和预设选取规则，控制所述旋转之后的口罩图像分别进行平移、旋转、大小缩放和颜色替换中的一种或多种，以得到所述多个不同形态的口罩图像。
17.根据权利要求10所述的为人脸识别生成训练数据的装置，还包括：
绑定模块，用于将所述未戴口罩的人脸图像与所述戴口罩的人脸图像进行绑定，并输入至预设的人脸识别模型以对所述预设的人脸识别模型进行更新。
18.根据权利要求10-13任一项所述的为人脸识别生成训练数据的装置，其中，所述空间偏移角度包括俯仰角、偏航角和翻滚角。
19.一种电子设备，其特征在于，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中任一项所述的为人脸识别生成训练数据的方法。
20.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-9中任一项所述的为人脸识别生成训练数据的方法。
CN202010564314.XA 2020-06-19 2020-06-19 为人脸识别生成训练数据的方法、装置、设备和存储介质 Pending CN111914630A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010564314.XA CN111914630A (zh) 2020-06-19 2020-06-19 为人脸识别生成训练数据的方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010564314.XA CN111914630A (zh) 2020-06-19 2020-06-19 为人脸识别生成训练数据的方法、装置、设备和存储介质

Publications (1)

Publication Number Publication Date
CN111914630A true CN111914630A (zh) 2020-11-10

Family

ID=73238072

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010564314.XA Pending CN111914630A (zh) 2020-06-19 2020-06-19 为人脸识别生成训练数据的方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN111914630A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113435273A (zh) * 2021-06-15 2021-09-24 北京的卢深视科技有限公司 数据增广方法、装置、电子设备及存储介质
CN113963183A (zh) * 2021-12-22 2022-01-21 北京的卢深视科技有限公司 模型训练、人脸识别方法、电子设备及存储介质
CN115457624A (zh) * 2022-08-18 2022-12-09 中科天网（广东）科技有限公司 一种局部与整体人脸特征交叉融合的戴口罩人脸识别方法、装置、设备和介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105095829A (zh) * 2014-04-29 2015-11-25 华为技术有限公司 一种人脸识别方法及系统
CN107016370A (zh) * 2017-04-10 2017-08-04 电子科技大学 一种基于数据增强的部分遮挡人脸识别方法
CN107273871A (zh) * 2017-07-11 2017-10-20 夏立 一种人脸特征模型的训练方法及装置
CN107609481A (zh) * 2017-08-14 2018-01-19 百度在线网络技术（北京）有限公司 为人脸识别生成训练数据的方法、装置和计算机存储介质
CN108509915A (zh) * 2018-04-03 2018-09-07 百度在线网络技术（北京）有限公司 人脸识别模型的生成方法和装置
WO2019128508A1 (zh) * 2017-12-28 2019-07-04 Oppo广东移动通信有限公司 图像处理方法、装置、存储介质及电子设备
WO2020037937A1 (zh) * 2018-08-20 2020-02-27 深圳壹账通智能科技有限公司 人脸识别的方法、装置、终端及计算机可读存储介质
CN110909654A (zh) * 2019-11-18 2020-03-24 深圳市商汤科技有限公司 训练图像的生成方法及装置、电子设备和存储介质
CN111144356A (zh) * 2019-12-30 2020-05-12 华中师范大学 一种远程教学的教师视线跟随方法及装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105095829A (zh) * 2014-04-29 2015-11-25 华为技术有限公司 一种人脸识别方法及系统
CN107016370A (zh) * 2017-04-10 2017-08-04 电子科技大学 一种基于数据增强的部分遮挡人脸识别方法
CN107273871A (zh) * 2017-07-11 2017-10-20 夏立 一种人脸特征模型的训练方法及装置
CN107609481A (zh) * 2017-08-14 2018-01-19 百度在线网络技术（北京）有限公司 为人脸识别生成训练数据的方法、装置和计算机存储介质
WO2019128508A1 (zh) * 2017-12-28 2019-07-04 Oppo广东移动通信有限公司 图像处理方法、装置、存储介质及电子设备
CN108509915A (zh) * 2018-04-03 2018-09-07 百度在线网络技术（北京）有限公司 人脸识别模型的生成方法和装置
WO2020037937A1 (zh) * 2018-08-20 2020-02-27 深圳壹账通智能科技有限公司 人脸识别的方法、装置、终端及计算机可读存储介质
CN110909654A (zh) * 2019-11-18 2020-03-24 深圳市商汤科技有限公司 训练图像的生成方法及装置、电子设备和存储介质
CN111144356A (zh) * 2019-12-30 2020-05-12 华中师范大学 一种远程教学的教师视线跟随方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张坤 等: "样本增强的人脸识别算法研究", 《中国计量大学学报》, vol. 29, no. 2, pages 2 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113435273A (zh) * 2021-06-15 2021-09-24 北京的卢深视科技有限公司 数据增广方法、装置、电子设备及存储介质
CN113435273B (zh) * 2021-06-15 2022-03-25 北京的卢深视科技有限公司 数据增广方法、装置、电子设备及存储介质
CN113963183A (zh) * 2021-12-22 2022-01-21 北京的卢深视科技有限公司 模型训练、人脸识别方法、电子设备及存储介质
CN113963183B (zh) * 2021-12-22 2022-05-31 合肥的卢深视科技有限公司 模型训练、人脸识别方法、电子设备及存储介质
CN115457624A (zh) * 2022-08-18 2022-12-09 中科天网（广东）科技有限公司 一种局部与整体人脸特征交叉融合的戴口罩人脸识别方法、装置、设备和介质
CN115457624B (zh) * 2022-08-18 2023-09-01 中科天网（广东）科技有限公司 一种局部与整体人脸特征交叉融合的戴口罩人脸识别方法、装置、设备和介质

Similar Documents

Publication Publication Date Title
CN111914628B (zh) 人脸识别模型的训练方法和装置
CN111914629A (zh) 为人脸识别生成训练数据的方法、装置、设备和存储介质
CN108369653B (zh) 使用眼睛特征的眼睛姿态识别
CN106845335B (zh) 用于虚拟现实设备的手势识别方法、装置及虚拟现实设备
WO2020062523A1 (zh) 注视点判断方法和装置、电子设备和计算机存储介质
CN111914630A (zh) 为人脸识别生成训练数据的方法、装置、设备和存储介质
CN111259751B (zh) 基于视频的人体行为识别方法、装置、设备及存储介质
US11137824B2 (en) Physical input device in virtual reality
CN111523468A (zh) 人体关键点识别方法和装置
CN111598818A (zh) 人脸融合模型训练方法、装置及电子设备
WO2019062056A1 (zh) 一种智能投影方法、系统及智能终端
CN112102153A (zh) 图像的卡通化处理方法、装置、电子设备和存储介质
US20210041941A1 (en) Method and device for inputting password in virtual reality scene
CN111709875B (zh) 图像处理方法、装置、电子设备及存储介质
CN108305321B (zh) 一种基于双目彩色成像系统的立体人手3d骨架模型实时重建方法和装置
CN111767846A (zh) 图像识别方法、装置、设备和计算机存储介质
CN111563855A (zh) 图像处理的方法及装置
Perra et al. Adaptive eye-camera calibration for head-worn devices
CN112116525A (zh) 换脸识别方法、装置、设备和计算机可读存储介质
CN111599002A (zh) 用于生成图像的方法和装置
CN111768485B (zh) 三维图像的关键点标注方法、装置、电子设备及存储介质
CN112949467B (zh) 人脸检测方法、装置、电子设备和存储介质
CN111709288B (zh) 人脸关键点检测方法、装置以及电子设备
CN112270303A (zh) 图像识别方法、装置以及电子设备
CN112116548A (zh) 人脸图像的合成方法、装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination