(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211238617.8 (22)申请日 2022.10.11 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 郭子涵　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 樊一槿　张祥意 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/26(2022.01) G06V 10/28(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种人脸识别处 理方法及装置 (57)摘要 本发明提供一种人脸识别处理方法及 装置， 涉及图像处理技术领域， 可用于金融领域或其他 技术领域。 所述方法包括： 获取人脸照片数据， 基 于预设图像生成模型生成与所述人脸照片数据 相对应的人脸照片图像； 其中， 所述预设图像生 成模型根据图像生成样本数据训练卷积神经网 络得到； 基于预设图像分割模型对 所述人脸照片 图像进行图像 分割处理， 得到分离出环境背景的 局部人脸图像； 其中， 所述预设图像分割模型根 据图像分割样本数据训练深度神经网络得到； 对 所述局部 人脸图像进行人脸识别， 得到人脸识别 结果。 所述装置执行上述方法。 本发明实施例提 供的人脸识别处理方法及装置， 能够提高人脸识 别结果的可靠性。 权利要求书1页 说明书8页 附图3页 CN 115497144 A 2022.12.20 CN 115497144 A 1.一种人脸识别处 理方法， 其特 征在于， 包括： 获取人脸照片数据， 基于预设图像生成模型生成与所述人脸照片数据相对应的人脸照 片图像； 其中， 所述预设图像生成模型根据图像生成样本数据训练卷积神经网络得到； 基于预设图像分割模型对所述人脸照片图像进行图像分割处理， 得到分离出环境背景 的局部人脸图像； 其中， 所述预设图像分割模型根据图像分割样本数据训练深度神经网络得到； 对所述局部人脸图像进行 人脸识别， 得到人脸识别结果。 2.根据权利要求1所述的人脸识别处理方法， 其特征在于， 所述基于预设图像生成模型 生成与所述人脸照片数据相对应的人脸照片图像， 包括： 使用np.lo ad函数给定输出路径， 再循环使用img.save函数， 并通过所述输出路径输出 预设图片格式的人脸照片图像。 3.根据权利要求1所述的人脸识别处理方法， 其特征在于， 所述深度神经网络包括19个 卷积层， 4个最大池化层， 4个上采样层， 4个特 征通道和1个softmax层。 4.根据权利要求1所述的人脸识别处理方法， 其特征在于， 所述卷积神经网络中的特征 融合采用merge函数。 5.一种人脸识别处 理装置， 其特 征在于， 包括： 获取单元， 用于获取人脸照片数据， 基于预设图像生成模型生成与所述人脸照片数据 相对应的人脸照片图像； 其中， 所述预设图像生成模型根据图像生成样本数据训练卷积神经网络得到； 分割单元， 用于基于预设图像分割模型对所述人脸照片图像进行图像分割处理， 得到 分离出环境背景的局部人脸图像； 其中， 所述预设图像分割模型根据图像分割样本数据训练深度神经网络得到； 识别单元， 用于对所述局部人脸图像进行 人脸识别， 得到人脸识别结果。 6.根据权利要求5所述的人脸识别处 理装置， 其特 征在于， 所述获取 单元具体用于： 使用np.lo ad函数给定输出路径， 再循环使用img.save函数， 并通过所述输出路径输出 预设图片格式的人脸照片图像。 7.根据权利要求5所述的人脸识别处理装置， 其特征在于， 所述深度神经网络包括19个 卷积层， 4个最大池化层， 4个上采样层， 4个特 征通道和1个softmax层。 8.根据权利要求5所述的人脸识别处理装置， 其特征在于， 所述卷积神经网络中的特征 融合采用merge函数。 9.一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现权利要求1至4任一所述方 法。 10.一种计算机可读存储介质， 其特征在于， 所述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 理器执行时实现权利要求1至4任一所述方法。 11.一种计算机程序产品， 其特征在于， 所述计算机程序产品包括计算机程序， 所述计 算机程序被处 理器执行时实现权利要求1至4任一所述方法。权　利　要　求　书 1/1 页 2 CN 115497144 A 2一种人脸识别处理 方法及装置 技术领域 [0001]本发明涉及图像处 理技术领域， 具体涉及一种人脸识别处 理方法及装置 。 背景技术 [0002]目前， 人脸识别的场合多种多样， 对于银行系统来说， 因为牵涉到支付等重要功 能， 人脸识别准确的重要性毋庸置疑。 [0003]有时人脸识别的环境场景比较复杂， 给人脸识别带来了难度， 使得现有的人脸识 别方法的人脸识别结果可靠性 不高。 发明内容 [0004]针对现有技术中的问题， 本发明实施例提供一种人脸识别 处理方法及装置， 能够 至少部分地 解决现有技 术中存在的问题。 [0005]一方面， 本发明提出一种人脸识别处 理方法， 包括： [0006]获取人脸照片数据， 基于预设图像生成模型生成与所述人脸照片数据相对应的人 脸照片图像； [0007]其中， 所述预设图像生成模型根据图像生成样本数据训练卷积神经网络得到； [0008]基于预设图像分割模型对所述人脸照片图像进行图像分割处理， 得到分离出环境 背景的局部人脸图像； [0009]其中， 所述预设图像分割模型根据图像分割样本数据训练深度神经网络得到； [0010]对所述局部人脸图像进行 人脸识别， 得到人脸识别结果。 [0011]其中， 所述基于预设图像生成模型生成与所述人脸照片数据相对应的人脸照片图 像， 包括： [0012]使用np.load函数给定输出路径， 再循环使用im g.save函数， 并通过所述输出路径 输出预设图片格式的人脸照片图像。 [0013]其中， 所述深度神经 网络包括19个卷积层， 4个最大池化层， 4个上采样层， 4个特征 通道和1个softmax层。 [0014]其中， 所述卷积神经网络中的特 征融合采用merge函数。 [0015]一方面， 本发明提出一种人脸识别处 理装置， 包括： [0016]获取单元， 用于获取人脸照片数据， 基于预设图像生成模型生成与所述人脸照片 数据相对应的人脸照片图像； [0017]其中， 所述预设图像生成模型根据图像生成样本数据训练卷积神经网络得到； [0018]分割单元， 用于基于预设图像分割模型对所述人脸照片图像进行 图像分割处理， 得到分离出环境背景的局部人脸图像； [0019]其中， 所述预设图像分割模型根据图像分割样本数据训练深度神经网络得到； [0020]识别单元， 用于对所述局部人脸图像进行 人脸识别， 得到人脸识别结果。 [0021]其中， 所述获取 单元具体用于：说　明　书 1/8 页 3 CN 115497144 A 3