本发明涉及人工智能，具体涉及一种人脸图像识别方法及装置。
背景技术：
1、人脸图像识别是为人脸图像分配像素标签以区分各人脸器官，如眼睛，鼻子，嘴唇和耳朵等。人脸图像识别在银行领域有着广泛应用，首先是身份验证，银行通常需要验证客户的身份，以确保交易的安全性。传统的验证方式如密码、指纹等存在一些问题，而人脸识别身份验证技术能够通过检测和识别客户的人脸，实时匹配与账户绑定的人脸信息，从而进行身份验证。其次还可有效防范不法分子的欺诈行为，人脸识别技术用于分析客户的面部表情、眼神、嘴部动作等信息，以识别潜在的欺诈行为。例如，通过分析客户面部表情的变化，可以判断客户是否真正参与交易活动，或者是否存在欺诈行为。银行还可以通过人脸识别技术对客户的人脸特征进行分析，如性别、年龄、情绪等属性。这些信息可以用于客户分析和个性化服务。例如，银行可以根据客户的年龄和性别提供特定的金融产品推荐，或者根据客户的情绪调整服务方式。
2、现有技术的模型往往只能适应单一尺度。单一尺度的特征提取往往只能提供局部范围内的信息，无法充分利用全局的空间信息，使得人脸图像识别精度不高。
技术实现思路
1、针对现有技术中的问题，本发明实施例提供一种人脸图像识别方法及装置，能够至少部分地解决现有技术中存在的问题。
2、一方面，本发明提出一种人脸图像识别方法，包括：
3、获取待识别人脸器官的人脸图像；
4、根据预先训练完成的预设人脸器官识别模型对所述人脸图像进行人脸器官识别，得到人脸器官识别结果图像；
5、其中，所述人脸器官识别结果图像包括与识别到的各人脸器官分别对应的标记信息；所述预设人脸器官识别模型的模型结构包括依次相连的编码器、多尺度特征融合结构和解码器；所述多尺度特征融合结构包括并行连接数等于待识别人脸器官类别数量的空洞卷积层组，且每个空洞卷积层组包括串联的两个空洞卷积层。
6、其中，训练所述预设人脸器官识别模型，包括：
7、将所述编码器输出的特征图分别输入至各空洞卷积层组，每个空洞卷积层组中的第一空洞卷积层学习所述特征图中的基于人脸器官整体特征的第一类人脸器官特征，每个空洞卷积层组中的第二空洞卷积层学习所述特征图中的基于人脸器官局部特征第二类人脸器官特征；
8、将学习特征后的特征图分别输入与各空洞卷积层组分别对应的残差块中，将每个残差块输出的特征图和与所述编码器输出的特征图对应的残差块输出的特征图拼接，得到由所述多尺度特征融合结构输出的特征图。
9、其中，在所述训练所述预设人脸器官识别模型的步骤之前，所述人脸图像识别方法还包括：
10、获取人脸图像数据集，对所述人脸图像数据集进行划分，得到训练集；
11、对所述训练集中的数据进行数据增强处理，将增强处理后的数据作为训练所述预设人脸器官识别模型所使用的数据。
12、其中，所述获取人脸图像数据集，包括：
13、获取包含人脸的图像，对包含人脸的图像进行数据清洗；
14、对数据清洗后的图像进行数据集成；
15、对数据集成后的图像进行人脸器官标注，将完成标注后的图像作为所述人脸图像数据集。
16、其中，所述对所述训练集中的数据进行数据增强处理，包括：
17、对所述训练集中的数据进行翻转、裁剪和缩放操作，以实现增加图像数量。
18、其中，所述人脸图像识别方法还包括：
19、根据人脸图像数据集划分得到的测试集，对完成训练的预设人脸器官识别模型进行性能检验。
20、其中，在所述对完成训练的预设人脸器官识别模型进行性能检验的步骤之后，所述人脸图像识别方法还包括：
21、若确定模型性能检验通过，则根据性能检验通过后的预设人脸器官识别模型对所述人脸图像进行人脸器官识别，得到人脸器官识别结果图像，可视化展示所述人脸器官识别结果图像。
22、一方面，本发明提出一种人脸图像识别装置，包括：
23、获取单元，用于获取待识别人脸器官的人脸图像；
24、识别单元，用于根据预先训练完成的预设人脸器官识别模型对所述人脸图像进行人脸器官识别，得到人脸器官识别结果图像；
25、其中，所述人脸器官识别结果图像包括与识别到的各人脸器官分别对应的标记信息；所述预设人脸器官识别模型的模型结构包括依次相连的编码器、多尺度特征融合结构和解码器；所述多尺度特征融合结构包括并行连接数等于待识别人脸器官类别数量的空洞卷积层组，且每个空洞卷积层组包括串联的两个空洞卷积层。
26、再一方面，本发明实施例提供一种电子设备，包括：处理器、存储器和总线，其中，
27、所述处理器和所述存储器通过所述总线完成相互间的通信；
28、所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如下方法：
29、获取待识别人脸器官的人脸图像；
30、根据预先训练完成的预设人脸器官识别模型对所述人脸图像进行人脸器官识别，得到人脸器官识别结果图像；
31、其中，所述人脸器官识别结果图像包括与识别到的各人脸器官分别对应的标记信息；所述预设人脸器官识别模型的模型结构包括依次相连的编码器、多尺度特征融合结构和解码器；所述多尺度特征融合结构包括并行连接数等于待识别人脸器官类别数量的空洞卷积层组，且每个空洞卷积层组包括串联的两个空洞卷积层。
32、本发明实施例提供一种非暂态计算机可读存储介质，包括：
33、所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如下方法：
34、获取待识别人脸器官的人脸图像；
35、根据预先训练完成的预设人脸器官识别模型对所述人脸图像进行人脸器官识别，得到人脸器官识别结果图像；
36、其中，所述人脸器官识别结果图像包括与识别到的各人脸器官分别对应的标记信息；所述预设人脸器官识别模型的模型结构包括依次相连的编码器、多尺度特征融合结构和解码器；所述多尺度特征融合结构包括并行连接数等于待识别人脸器官类别数量的空洞卷积层组，且每个空洞卷积层组包括串联的两个空洞卷积层。
37、本发明实施例提供的人脸图像识别方法及装置，获取待识别人脸器官的人脸图像；根据预先训练完成的预设人脸器官识别模型对所述人脸图像进行人脸器官识别，得到人脸器官识别结果图像；其中，所述人脸器官识别结果图像包括与识别到的各人脸器官分别对应的标记信息；所述预设人脸器官识别模型的模型结构包括依次相连的编码器、多尺度特征融合结构和解码器；所述多尺度特征融合结构包括并行连接数等于待识别人脸器官类别数量的空洞卷积层组，且每个空洞卷积层组包括串联的两个空洞卷积层，能够准确进行人脸器官识别。
1.一种人脸图像识别方法，其特征在于，包括：
2.根据权利要求1所述的人脸图像识别方法，其特征在于，训练所述预设人脸器官识别模型，包括：
3.根据权利要求2所述的人脸图像识别方法，其特征在于，在所述训练所述预设人脸器官识别模型的步骤之前，所述人脸图像识别方法还包括：
4.根据权利要求3所述的人脸图像识别方法，其特征在于，所述获取人脸图像数据集，包括：
5.根据权利要求3所述的人脸图像识别方法，其特征在于，所述对所述训练集中的数据进行数据增强处理，包括：
6.根据权利要求1至5任一所述的人脸图像识别方法，其特征在于，所述人脸图像识别方法还包括：
7.根据权利要求6所述的人脸图像识别方法，其特征在于，在所述对完成训练的预设人脸器官识别模型进行性能检验的步骤之后，所述人脸图像识别方法还包括：
8.一种人脸图像识别装置，其特征在于，包括：
9.一种电子设备，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7中任一项所述方法的步骤。
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，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。
