技术摘要：
本申请公开了一种人脸图像识别模型训练方法，包括：获取第一训练样本，所述第一训练样本为人脸图像；获取第二训练样本，所述第二训练样本为部分脸图像；所述部分脸图像为包含所述第一训练样本中人脸图像的部分人脸区域的图像；利用所述第一训练样本训练得到第一识别模  全部
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。当前主 流人脸识别算法所处理的人脸图像分辨率也较小，一般在128*128以下，未能充分挖掘人脸 的细节信息。另外，在用户戴口罩等遮挡情况下，人脸识别性能也会大大降低。 因此，本领域需要一种更为高效的人脸图像识别方法。
技术实现要素：
有鉴于此，本说明书实施例提供了一种人脸图像识别模型训练方法、识别方法、装 置和电子设备，以提升人脸图像识别的性能。 本说明书采用下述技术方案： 本说明书提供了一种人脸图像识别模型训练方法，包括： 获取第一训练样本，所述第一训练样本为人脸图像； 获取第二训练样本，所述第二训练样本为部分脸图像；所述部分脸图像为包含所述第 一训练样本中人脸图像的部分人脸区域的图像； 利用所述第一训练样本训练得到第一识别模型； 利用所述第二训练样本训练得到第二识别模型； 将所述第一识别模型和所述第二识别模型进行蒸馏学习，以得到人脸图像识别模型。 本说明书还提供了一种人脸图像识别方法，包括： 获取待识别人脸图像； 对所述待识别人脸图像进行预处理； 将预处理后的图像输入预先训练好的人脸图像识别模型，得到识别结果； 其中，所述人脸图像识别模型为上述的人脸图像识别模型训练方法预先训练得到。 本说明书还提供了一种人脸图像识别模型训练装置，包括： 第一获取模块，所述第一获取模块用于获取第一训练样本，所述第一训练样本为人脸 图像； 第二获取模块，所述第二获取模块用于获取第二训练样本，所述第二训练样本为部分 脸图像；所述部分脸图像为包含所述第一训练样本中人脸图像的部分人脸区域的图像； 第一训练模块，所述第一训练模块用于利用所述第一训练样本训练得到第一识别模 型； 第二训练模块，所述第二训练模块用于利用所述第二训练样本训练得到第二识别模 型； 第三训练模块，所述第三训练模块用于将所述第一识别模型和所述第二识别模型进行 5 CN 111553333 A 说　明　书 2/9 页 蒸馏学习，以得到人脸图像识别模型。 本说明还提供了一种人脸图像识别装置，包括： 获取单元，所述获取单元用于获取待识别人脸图像； 处理单元，所述处理单元用于对所述待识别人脸图像进行预处理； 识别单元，所述识别单元配置有预先训练好的人脸图像识别模型，用于根据所述人脸 图像识别模型对预处理后的图像进行识别以得到识别结果； 其中，所述人脸图像识别模型为根据上述的人脸图像识别模型训练装置预先训练得 到。 本说明书还提供了一种电子设备，包括：至少一个处理和存储器；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，使所述至 少一个处理器能够执行上述的人脸图像识别模型训练方法，以及上述的人脸图像识别方 法。 本说明书还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计 算机可执行指令，所述计算机可执行指令被处理器执行时实现上述的人脸图像识别模型训 练方法，以及上述的人脸图像识别方法。 本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：本方案的 人脸图像识别方法，在图像采集方面，只需要普通的RGB/NIR摄像头模组即可，大大降低了 部署成本。基于部分脸图像，抽取细节特征，保证单模态性能同时，也是全脸特征的一种有 效互补，而且可优化解决人脸在部分遮挡情况下的性能，比如口罩，围巾，手部遮挡等。 附图说明 为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或 现有技术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 本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的 前提下，还可以根据这些附图获得其他的附图： 图1为本说明书实施例提供的人脸图像识别模型训练方法的主要流程图； 图2为本说明书实施例提供的人脸图像识别模型训练方法的详细示意图； 图3为本说明书实施例提供的人脸图像识别方法的主要流程图； 图4为本说明书实施例提供的人脸图像识别模型训练装置的结构示意图； 图5为本说明书实施例提供的人脸图像识别装置的结构示意图。