技术摘要：
本发明实施例涉及图像处理与计算机视觉，公开了一种基于多任务的人脸识别方法、装置、服务器和可读存储介质。该方法首先构建人脸识别模型，人脸识别模型包括人脸属性识别多任务模块，人脸属性识别多任务模块包括至少两个子任务模块；对多任务模块中的每个子任务模块进  全部
背景技术：
人脸属性指的是根据给定的人脸判断其性别、年龄和表情等。目前基本的实现方 法有两种，一种是传统的方法：首先对检测到的人脸区域提取HOG/LBP/Gabor等特征，再使 用SVM进行分类或者SVR进行回归的训练。另外一种是深度学习的方法，有两种实现实施例， 一种是针对人脸的每个属性，分别使用CNN提取特征，最后使用softmax进行分类，即单标签 的方式；另外一种是所有的属性使用一个CNN进行人脸特征的提取，最后根据不同的任务设 置不同的loss进行属性分析，或者使用svm进行分类，即多标签的方式。 发明人发现现有技术中至少存在如下问题：无论是传统方法还是深度学习方法识 别精度都有待提高。
技术实现要素：
本发明实施方式的目的在于提供一种基于多任务的人脸识别方法、装置、服务器 和可读存储介质，使得人脸属性识别精度被有效提高。 为解决上述技术问题，本发明的实施方式提供了一种基于多任务的人脸识别方 法，包括以下步骤： 构建人脸识别模型，所述人脸识别模型包括人脸属性识别多任务模块，所述人脸 属性识别多任务模块包括至少两个子任务模块； 对所述多任务模块中的每个子任务模块进行全局训练； 对经过全局训练后的所述多任务模块中的至少一个子任务模块进行微调，使微调 后的每个子任务模块更精确； 利用微调后的所述多任务模块对待识别人脸候选区域进行人脸属性识别。 本发明的实施方式还提供了一种基于多任务的人脸识别装置，包括： 模型构建单元，用于构建人脸识别模型，所述人脸识别模型包括人脸属性识别多 任务模块，所述人脸属性识别多任务模块包括至少两个子任务模块； 全局训练单元，用于对所述多任务模块中的每个子任务模块进行全局训练； 微调单元，用于对经过全局训练后的所述多任务模块中的至少一个子任务模块进 行初次微调，使初次微调后的每个子任务模块更精确； 人脸识别单元，利用微调后的所述多任务模块对待识别人脸候选区域进行人脸属 性识别。 本发明实施方式相对于现有技术而言，首先构建人脸识别模型，人脸识别模型包 括人脸属性识别多任务模块，人脸属性识别多任务模块包括至少两个子任务模块；在对多 任务模块中的每个子任务模块进行全局训练之后；再对经过全局训练后的多任务模块中的 4 CN 111598000 A 说　明　书 2/10 页 至少一个子任务模块进行初次微调，使初次微调后的每个子任务模块更精确；利用微调后 的多任务模块对待识别人脸候选区域进行人脸属性识别，采用先全局训练、再各个子任务 分别微调的方式进行模型的训练，针对性的提高各个子任务的识别精度，解决多任务模型 中各个子任务精度干扰的问题，提高多任务识别精度，进而有效提高人脸属性识别精度。 另外，进一步可选的，所述人脸识别模型还包括人脸区域提取模块，在所述利用微 调后的所述多任务模块对待处理人脸候选区域进行人脸属性识别之前，所述方法还包括： 利用所述人脸区域提取模块从待处理人脸图像中提取所述待识别人脸候选区域。 本实施方式建立了两个模块的多任务深度学习网络结构，是一种端到端的人脸多 属性识别模型，在多人脸中有明显的检测速度快、鲁棒性高的优势；并 另外，进一步可选的，还包括： 接收子任务模块修改请求，所述修改请求包括添加、修改或删除子任务模块请求； 根据所述子任务模块修改请求，添加、修改或删除所述人脸属性识别多任务模块 中的子任务模块。本实施方式针对人脸属性类别多样的特点，建立了两个模块的多任务深 度学习网络结构，在多任务模块中实现人脸遮挡相关子任务的无限拓展。 另外，进一步可选的，所述构建人脸识别模型包括： 构造训练数据集，所述训练数据集中的每个样本进行单独标注； 构建网络模型； 所述对所述多任务模块中的每个子任务模块进行全局训练为：利用所述训练数据 集对所述网络模型进行全局参数训练，依据每个样本的单独标注实现每个样本的参数训 练。 本实施方式构建训练数据时，采用对数据集分别标记标签的形式，针对标签和任 务类型选择对应的损失函数，进行模型参数的调整。进一步有效保证对子任务的高度可扩 展性，满足多属性的应用场景需求。 另外，进一步可选的，所述利用所述训练数据集对所述网络模型进行全局参数训 练，依据每个样本的单独标注实现每个样本的参数训练包括： 在每个样本内计算损失函数时，根据标注信息判断任务类型； 若某个样本的任务类型不包含在相应任务中，则不计算所述某个样本的损失函 数。 另外，进一步可选的，所述对所述多任务模块中的每个子任务模块进行全局训练 包括： 在人脸区域坐标回归任务中，对人脸区域部分进行网络参数调整，使调整后的网 络参数更精确；和/或， 在人脸关键点坐标回归任务中，对人脸区域内可见关键点进行网络参数的调整， 使调整后的网络参数更精确。 另外，进一步可选的，所述对经过全局训练后的所述多任务模块中的至少一个子 任务模块进行微调为：在经过全局训练后的所述多任务模块中的至少一个子任务模块的全 连接输出层之间添加一个全连接层。 另外，进一步可选的，所述多任务模块包括性别子任务和年龄子任务，所述对经过 全局训练后的所述多任务模块中的至少一个子任务模块进行微调包括： 5 CN 111598000 A 说　明　书 3/10 页 对于性别子任务，在全连接输出层之间添加一个全连接层，所述性别子任务中添 加的全连接层为1*256；和/或， 对于年龄子任务，在全连接输出层添加一个全连接层，所述年龄子任务中添加的 全连接层为1*2048。 另外，本发明的实施方式还提供了一种服务器，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任一种基于多任务的人脸识别方 法。 另外，本发明的实施方式还提供了一种计算机可读存储介质，存储有计算机程序， 所述计算机程序被处理器执行上述任一项所述的基于多任务的人脸识别方法。 上述说明仅是本发明技术实施例的概述，为了能够更清楚了解本发明的技术手 段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能 够更明显易懂，以下特举本发明的