(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 202211275433.9 (22)申请日 2022.10.18 (71)申请人 中国农业银行股份有限公司 地址 100005 北京市东城区建国门内大街 69号 (72)发明人 卢玉顺　 (74)专利代理 机构 北京品源专利代理有限公司 11332 专利代理师 康欢欢 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/80(2022.01) G06V 10/774(2022.01) (54)发明名称 面部识别方法、 装置、 设备及 介质 (57)摘要 本发明实施例公开了一种面部识别方法、 装 置、 设备及介质。 该方法包括： 获取待识别面部图 像； 其中， 待识别面部图像包括待识别近红外图 像和/或待识别可见光图像； 将待识别面部图像 输入至训练好的面部识别模型， 得到面部识别结 果； 其中， 面部识别模型基于样本训练对象的近 红外样本图像和可见光样本图像共同训练得到。 上述方案， 通过使用近红外样 本图像和可见光样 本图像共同训练的面部识别模型， 进行面部识 别， 操作便捷， 可 以同时对待识别近红外图像和 待识别可见光图像进行面部识别， 避免了根据单 一待识别面部图像进行面部识别时， 由于受到环 境因素影响， 或缺乏细节纹理信息， 出现面部识 别准确度不高的情况， 提高了面部识别的准确 度。 权利要求书2页 说明书10页 附图3页 CN 115439916 A 2022.12.06 CN 115439916 A 1.一种面部识别方法， 其特 征在于， 包括： 获取待识别面部图像； 其中， 待识别面部图像包括待识别近红外图像和/或待识别可见 光图像； 将所述待识别面部图像输入至训练好的面部识别模型， 得到面部识别结果； 其中， 所述面部识别模型基于样本训练对象的近红外样本图像和可见光样本图像共同 训练得到 。 2.根据权利要求1所述的方法， 其特征在于， 所述面部识别模型采用以下方式训练得 到： 将所述近红外样本图像和所述可见光样本图像依批次维度进行特征融合， 得到 融合样 本图像； 将所述融合样本图像输入至预 先构建的面部识别模型， 得到融合样本特 征； 根据所述融合样本特征、 所述近红外样本 图像的近红外标签、 以及所述可见光样本 图 像的可见光标签， 对所述 面部识别模型进行训练。 3.根据权利要求2所述的方法， 其特征在于， 所述根据所述融合样本特征、 所述近红外 样本图像的近红外标签、 以及所述可见光样本图像的可见光标签， 对所述面部识别模型进 行训练， 包括： 将所述融合样本特征依批次维度进行拆分， 得到所述近红外样本图像的近红外样本特 征， 以及所述可 见光样本图像的可 见光样本特 征； 确定所述近红外样本特 征和所述可 见光样本特 征之间的特 征距离； 根据所述特征距离、 所述近红外样本特征、 所述可见光样本特征、 所述近红外标签和所 述可见光标签， 对所述 面部识别模型进行训练。 4.根据权利要求3所述的方法， 其特征在于， 所述根据所述特征距离、 所述近红外样本 特征、 所述可见光样本特征、 所述近红外标签和所述可见光标签， 对 所述面部识别模型进 行 训练， 包括： 根据所述特征距离、 所述近红外样本特征、 所述可见光样本特征、 所述近红外标签和所 述可见光标签， 确定目标损失； 根据所述目标损失， 对所述 面部识别模型进行训练。 5.根据权利要求4所述的方法， 其特征在于， 所述根据所述特征距离、 所述近红外样本 特征、 所述可 见光样本特 征、 所述近红外标签和所述可 见光标签， 确定目标损失， 包括： 确定所述近红外样本特征的近红外预测结果， 以及所述可见光样本特征的可见光预测 概率； 根据所述近红外预测结果和所述近红外标签， 确定 近红外损失； 根据所述可 见光预测结果和所述可 见光标签， 确定可 见光损失； 根据所述近红外损失、 所述可 见光损失和所述特 征距离中的至少一种， 确定目标损失。 6.根据权利要求3所述的方法， 其特征在于， 所述确定所述近红外样本特征和所述可见 光样本特 征之间的特 征距离， 包括： 确定所述近红外样本特征和所述可见光样本特征之间的最大均值差异， 并将所述最大 均值差异作为所述特 征距离。 7.根据权利要求2 ‑6任一项所述的方法， 其特征在于， 所述将所述近红外样本图像和所权　利　要　求　书 1/2 页 2 CN 115439916 A 2述可见光样本图像依批次维度进行 特征融合， 得到融合样本图像， 包括： 根据所述可见光样本 图像的通道数量， 对所述近红外样本 图像进行升维处理， 以更新 所述近红外样本图像； 将所述可见光样本图像和更新后的近红外样本图像进行特征融合， 得到融合样本图 像。 8.一种面部识别装置， 其特 征在于， 包括： 面部图像获取模块， 用于获取待识别面部图像； 其中， 待识别面部图像包括待识别近红 外图像和/或待识别可 见光图像； 面部识别结果获取模块， 用于将所述待识别面部 图像输入至训练好的面部识别模型， 得到面部识别结果； 其中， 所述面部识别模型基于样本训练对象的近红外样本图像和可见光样本图像共同 训练得到 。 9.一种电子设备， 其特 征在于， 包括： 一个或多个处 理器； 存储器， 用于存 储一个或多个程序； 当所述一个或多个程序被所述一个或多个处理器执行， 使得所述一个或多个处理器实 现如权利要求1 ‑7任一项所述的一种面部识别方法。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器 执行时实现如权利要求1 ‑7任一项所述的一种面部识别方法。权　利　要　求　书 2/2 页 3 CN 115439916 A 3