技术摘要：
本申请提供异质人脸识别模型训练方法、人脸识别方法及相关装置。异质人脸识别模型训练方法包括：将可见光人脸图像和异质人脸图像联合生成可见光‑异质联合图像；通过可见光‑异质联合图像、可见光人脸图像样本集和异质人脸图像样本集对异质人脸识别模型进行训练。通过  全部
背景技术：
目前在安防领域内，当遇到夜晚等光线比较暗的场景时，为了从抓拍到的图像内 提取到有价值的信息，通常的做法是在相机旁边架设能够提高成像质量和清晰度的补光 灯，这种做法虽然能够在很大程度上解决照度不均衡的问题，但是补光灯也给面对镜头的 人们带来了并不友好的体验，尤其是在道路上的相机，甚至会对驾驶员带来一定的安全隐 患。 目前带有红外功能的设备在一定程度上可以缓解光线等外界环境对人脸识别算 法的影响，但是目前业界主流的方案还是通过采集目标人员的红外证件照底库用于进行后 期比对，但是这种方法的成本以及实用性不如基于普通证件照作为底库的方案，此外，要想 在大规模场景下应用，获取大规模的红外底库是不现实的。与识别红外图片类似，通过构建 的素描图片底库等异质图片底库对异质图片进行识别的方法实用性不高。
技术实现要素：
本申请提供异质人脸识别模型训练方法、人脸识别方法及相关装置，通过本申请 的训练方法训练的异质人脸识别模型可以利用可见光照片底库对异质人脸图像进行识别， 可以无需使用异质图片底库进行对比，提高异质人脸识别方法的实用性。 为解决技术问题，本申请提供一种异质人脸识别模型训练方法，该方法包括：将可 见光人脸图像和异质人脸图像联合生成可见光-异质联合图像；通过可见光-异质联合图 像、可见光人脸图像样本集和异质人脸图像样本集对异质人脸识别模型进行训练。 为解决技术问题，本申请提供一种人脸识别方法，该人脸识别方法包括： 获取异质人脸图像或可见光人脸图像； 通过异质人脸识别模型对异质人脸图像或可见光人脸图像进行识别； 其中，异质人脸识别模型是通过上述异质人脸识别模型的训练方法进行训练得到 的。 为解决上述技术问题，本申请提供一种智能装置，该智能装置包括存储器和处理 器； 存储器用于存储实现如上述的异质人脸识别模型的训练方法的程序指令；和/或， 存储器用于存储实现如上述的人脸识别方法； 处理器用于执行存储器存储的程序指令。 为解决技术问题，本申请提供一种计算机存储介质，其中存储有计算机程序，计算 机程序被执行时实现上述异质人脸识别模型的训练方法和人脸识别方法中的步骤。 本申请的方法是：通过可见光人脸图像和异质人脸图像联合生成可见光-异质联 4 CN 111582066 A 说　明　书 2/6 页 合图像，并将可见光-异质联合图像作为异质人脸识别模型的训练样本，可以充分地增加模 型训练样本数，对可见光-异质联合图像对应的人员的可见光照片和异质照片进行充分的 采样，可以提高异质人脸识别模型的训练效果，这样通过上述方法训练好的异质人脸识别 模型识别异质人脸图像时可以仅利用可见光照片底库，可以无需使用异质图片底库进行对 比，提高异质人脸识别方法的实用性，可以解决异质数据匮乏导致异质图片底库难以建立 的问题。 附图说明 为了更清楚地说明本申请实施方式中的技术方案，下面将对实施方式描述中所需 要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施方 式，对本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得 其他的附图。 图1是本申请异质人脸识别模型的训练方法一实施方式的流程示意图； 图2是本申请异质人脸识别模型的训练方法中可见光-异质联合图像的生成方法 的流程示意图； 图3是本申请异质人脸识别模型的训练方法中可见光-异质联合图像的生成方法 的示意图； 图4是本申请异质人脸识别模型的训练方法中可见光人脸信息和异质人脸信息关 联方法的原理示意图； 图5是本申请异质人脸识别模型的训练方法中解码过程中各个维度之间交互学习 的示意图； 图6是本申请异质人脸识别模型的训练方法中解码过程的示意图； 图7是本申请人脸识别方法一实施方式的流程示意图； 图8是本申请智能装置一实施方式的结构示意图； 图9是本申请计算机存储介质一实施方式的结构示意图。