CN111339964A - 图像处理方法及装置、电子设备和存储介质 - Google Patents

Abstract

本公开涉及一种图像处理方法及装置、电子设备和存储介质，其中，所述方法包括：获取待识别的目标图像；利用训练完成的人脸识别模型对所述目标图像进行人脸识别，得到所述目标图像的人脸识别结果；其中，所述人脸识别模型是基于扩展后的样本池中的训练样本进行训练得到的，所述扩展后的样本池中的训练样本是根据第一图像的人脸识别结果以及图像描述信息，对第一图像中的至少一个人脸图像进行标注得到的。本公开实施例可以利用准确性较高的人脸识别模型对人脸进行识别。

Description

图像处理方法及装置、电子设备和存储介质

技术领域

本公开涉及计算机视觉技术领域，尤其涉及一种图像处理方法及装置、电子设备和存储介质。

背景技术

随着电子技术的发展，越来越多的工作可以利用电子设备完成，例如，可以利用电子设备自动对人脸进行识别，为人们提供便利条件。目前，人脸识别技术的准确率已经超过了人眼，这也进一步为人脸识别技术普及提供了可靠性的条件。

通常，人脸识别技术依赖于大量带有标签的训练数据。随着训练数据的数据量越来越大，标注训练数据的成本也越来越高。这为人脸识别技术在实际应用中带来了非常大的限制。

发明内容

本公开提出了一种图像处理技术方案。

根据本公开的一方面，提供了一种图像处理方法，包括：

获取待识别的目标图像；

利用训练完成的人脸识别模型对所述目标图像进行人脸识别，得到所述目标图像的人脸识别结果；其中，所述人脸识别模型是基于扩展后的样本池中的训练样本进行训练得到的，所述扩展后的样本池中的训练样本是根据第一图像的人脸识别结果以及图像描述信息，对第一图像中的至少一个人脸图像进行标注得到的。

在一个或多个可能的实现方式中，所述方法还包括：

在所述目标图像的人脸识别结果的准确率大于预设的准确率阈值的情况下，根据所述目标图像的人脸识别结果查找所述目标图像中人脸的相关信息，所述相关信息包括身份信息、行踪信息、人物图像中的一种或多种。

在一个或多个可能的实现方式中，得到扩展后的样本池，包括：

获取至少一个检测图像中未标注的第一图像；

根据所述第一图像的人脸识别结果以及图像描述信息，对所述第一图像中的至少一个人脸图像进行标注；

将标注后的人脸图像作为训练样本加入样本池，对所述样本池进行扩展，得到所述扩展后的样本池。

在一个或多个可能的实现方式中，所述获取至少一个检测图像中未标注的第一图像之前，还包括：

获取至少一个检测图像中的第二图像，其中，第二图像中包括一个人脸图像；

根据所述第二图像的图像描述信息，对所述第二图像中的人脸图像进行标注；

将所述第二图像中标注后的人脸图像作为训练样本构建所述样本池。

在一个或多个可能的实现方式中，所述获取至少一个的检测图像中的第二图像，包括：

针对所述至少一个检测图像中的一个检测图像，确定所述检测图像包括的人脸图像的第一数量以及所述检测图像的图像描述信息中包括的身份标识的第二数量；

在所述第一数量等于1并且所述第二数量等于1的情况下，将所述检测图像确定为第二图像。

在一个或多个可能的实现方式中，所述根据所述第二图像的图像描述信息，对所述第二图像中的人脸图像进行标注，包括：

提取所述第二图像的图像描述信息所包括的身份标识；

将提取的身份标识作为所述第二图像中的人脸图像的标签对所述第二图像中的人脸图像进行标注。

在一个或多个可能的实现方式中，所述方法还包括：

利用所述第二图像中标注后的人脸图像对所述人脸识别模型进行训练，得到初步训练后的人脸识别模型；

利用所述初步训练后的人脸识别模型对所述第一图像进行人脸识别，得到所述第一图像的人脸识别结果。

在一个或多个可能的实现方式中，所述根据所述第一图像的人脸识别结果以及图像描述信息，对所述第一图像中的至少一个人脸图像进行标注，包括：

针对所述第一图像中的一个人脸图像，根据所述人脸图像的人脸识别结果以及所述第一图像的图像描述信息，在确定所述人脸图像的人脸识别结果满足预设的标注条件的情况下，对所述人脸图像进行标注。

在一个或多个可能的实现方式中，所述预设的标注条件包括：

所述人脸识别结果的准确率大于预设的准确率阈值；并且，所述人脸识别结果与所述第一图像的图像描述信息包括的身份标识相匹配。

在一个或多个可能的实现方式中，在对满足所述标注条件的人脸图像进行标注之后，所述方法还包括：

确定所述第一图像中未标注的人脸图像的第三数量，以及，确定所述图像描述信息中与人脸图像的人脸识别结果不匹配的身份标识的第四数量；

在所述第三数量等于1并且所述第四数量等于1的情况下，利用所述不匹配的身份标识对所述未标注的人脸图像进行标注。

在一个或多个可能的实现方式中，所述方法还包括：

利用扩展后样本池中的训练样本对人脸识别模型进行训练，并返回所述获取至少一个检测图像中的第一图像的步骤，直到所述样本池中的训练样本不再增加，得到训练完成的人脸识别模型。

根据本公开的一方面，还提供了一种图像处理装置，包括：

第一获取模块，用于获取待识别的目标图像；

识别模块，用于利用训练完成的人脸识别模型对所述目标图像进行人脸识别，得到所述目标图像的人脸识别结果；其中，所述人脸识别模型是基于扩展后的样本池中的训练样本进行训练得到的，所述扩展后的样本池中的训练样本是根据第一图像的人脸识别结果以及图像描述信息，对第一图像中的至少一个人脸图像进行标注得到的。

在一个或多个可能的实现方式中，所述装置还包括：

查找模块，用于在所述目标图像的人脸识别结果的准确率大于预设的准确率阈值的情况下，根据所述目标图像的人脸识别结果查找所述目标图像中人脸的相关信息，所述相关信息包括身份信息、行踪信息、人物图像中的一种或多种。

在一个或多个可能的实现方式中，所述装置还包括：

第二获取模块，还用于获取至少一个检测图像中未标注的第一图像；

标注模块，用于根据所述第一图像的人脸识别结果以及图像描述信息，对所述第一图像中的至少一个人脸图像进行标注；

加入模块，用于将标注后的人脸图像作为训练样本加入样本池，对所述样本池进行扩展，得到所述扩展后的样本池。

在一个或多个可能的实现方式中，所述第二获取模块，还用于获取至少一个检测图像中的第二图像，其中，第二图像中包括一个人脸图像；所述标注模块，还用于根据所述第二图像的图像描述信息，对所述第二图像中的人脸图像进行标注；所述加入模块，还用于将所述第二图像中标注后的人脸图像作为训练样本构建所述样本池。

在一个或多个可能的实现方式中，所述第二获取模块，具体用于针对所述至少一个检测图像中的一个检测图像，确定所述检测图像包括的人脸图像的第一数量以及所述检测图像的图像描述信息中包括的身份标识的第二数量；在所述第一数量等于1并且所述第二数量等于1的情况下，将所述检测图像确定为第二图像。

在一个或多个可能的实现方式中，所述标注模块，具体用于提取所述第二图像的图像描述信息所包括的身份标识；将提取的身份标识作为所述第二图像中的人脸图像的标签对所述第二图像中的人脸图像进行标注。

在一个或多个可能的实现方式中，所述装置还包括：

第一训练模块，用于利用所述第二图像中标注后的人脸图像对所述人脸识别模型进行训练，得到初步训练后的人脸识别模型；利用所述初步训练后的人脸识别模型对所述第一图像进行人脸识别，得到所述第一图像的人脸识别结果。

在一个或多个可能的实现方式中，所述标注模块，具体用于针对所述第一图像中的一个人脸图像，根据所述人脸图像的人脸识别结果以及所述第一图像的图像描述信息，在确定所述人脸图像的人脸识别结果满足预设的标注条件的情况下，对所述人脸图像进行标注。

在一个或多个可能的实现方式中，所述预设的标注条件包括：所述人脸识别结果的准确率大于预设的准确率阈值；并且，所述人脸识别结果与所述第一图像的图像描述信息包括的身份标识相匹配。

在一个或多个可能的实现方式中，所述标注模块，还用于在对满足所述标注条件的人脸图像进行标注之后，确定所述第一图像中未标注的人脸图像的第三数量，以及，确定所述图像描述信息中与人脸图像的人脸识别结果不匹配的身份标识的第四数量；在所述第三数量等于1并且所述第四数量等于1的情况下，利用所述不匹配的身份标识对所述未标注的人脸图像进行标注。

在一个或多个可能的实现方式中，所述装置还包括：

第二训练模块，用于利用扩展后样本池中的训练样本对人脸识别模型进行训练，并返回所述获取至少一个检测图像中的第一图像的步骤，直到所述样本池中的训练样本不再增加，得到训练完成的人脸识别模型。

根据本公开的一方面，提供了一种电子设备，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：执行上述图像处理方法。

根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述图像处理方法。

在本公开实施例中，可以获取待识别的目标图像，然后利用训练完成的人脸识别模型对目标图像进行人脸识别，得到目标图像的人脸识别结果。这里，人脸识别模型是基于扩展后的样本池中的训练样本进行训练得到的，扩展后的样本池中的训练样本是根据第一图像的人脸识别结果以及图像描述信息，对第一图像中的至少一个人脸图像进行标注得到的。这样，可以通过图像描述信息自动对人脸图像进行标注不断对样本池进行扩展，进而通过样本池中大量的训练样本训练得到的人脸识别模型具有较高的准确率，可以得到准确的人脸识别结果。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。

根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。

图1示出根据本公开实施例的图像处理方法的流程图。

图2示出根据本公开实施例的得到扩展后的样本池过程的流程图。

图3示出根据本公开实施例的示例性示意图。

图4示出根据本公开实施例的图像处理装置的框图。

图5示出根据本公开实施例的电子设备示例的框图。

图6示出根据本公开实施例的电子设备示例的框图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多个中的任意一种或多个中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。

另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

本公开实施例提供的图像处理方案，可以获取待识别的目标图像，然后利用训练完成的人脸识别模型对目标图像进行人脸识别，得到目标图像的人脸识别结果。其中，人脸识别模型是基于扩展后的样本池中的训练样本进行训练得到的，扩展后的样本池中的训练样本是根据第一图像的人脸识别结果以及图像描述信息，对第一图像中的至少一个人脸图像进行标注得到的。通过这种方式，可以利用由自动标注的训练样本进行训练得到的人脸识别模型，对目标图像进行人脸识别，得到准确率较高的人脸识别结果。

在相关技术中，人脸识别模型通过需要大量带有标签的训练样本进行训练得到。一些实现方式是通过人工标注的方式以获取训练样本，但是训练人脸识别模型需要大量的训练样本，从而人工标注的方式会耗费大量的人力资源。一些实现方式是通过部分标注的训练样本和为标注的训练样本相结合以训练人脸识别模型，即，半监督训练的方式。但是半监督训练方式仍然需要人工标注部分训练样本，利用未标注的训练样本对人脸识别模型进行训练不能保证人脸识别模型的准确性，并且在实际应用中会受到非常大的限制。本公开实施例可以利用自动标注的训练样本训练得到人脸识别模型，从而可以在无需人工标注的情况下增加训练样本，提高人脸识别模型的性能，从而利用训练完成的人脸识别模型对目标图像进行人脸识别，可以得到准确率高的人脸识别结果。

本公开实施例提供的技术方案可以应用于人脸识别、神经网络训练、样本池扩展、安防监控等应用场景的扩展，本公开实施例对此不做限定。例如，可以对多媒体素材中的人物识别，如对电影、电视剧等中的演员进行识别。再例如，可以对监控画面中的人物进行识别，如在监控视频中搜索含有某个嫌疑人出现的视频片段。

图1示出根据本公开实施例的图像处理方法的流程图。该图像处理方法可以由终端设备、服务器或其它类型的电子设备执行，其中，终端设备可以为用户设备(UserEquipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(PersonalDigital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中，该图像处理方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。下面以电子设备作为执行主体为例对本公开实施例的图像处理方法进行说明。

步骤S11，获取待识别的目标图像。

在本公开实施例中，电子设备可以具有图像采集功能，可以对场景进行图像采集获取待识别的目标图像。或者，电子设备可以从其他设备处获取待识别的目标图像，例如，电子设备可以从摄像设备、监控设备或者网络服务器等设备处获取一个或多个待识别的目标图像。目标图像中可以具有人脸图像，从而待识别的目标图像可以理解为等待进行人脸识别的图像。

步骤S12，利用训练完成的人脸识别模型对所述目标图像进行人脸识别，得到所述目标图像的人脸识别结果；其中，所述人脸识别模型是基于扩展后的样本池中的训练样本进行训练得到的，所述扩展后的样本池中的训练样本是根据第一图像的人脸识别结果以及图像描述信息，对第一图像中的至少一个人脸图像进行标注得到的。

在本公开实施例中，可以将获取的目标图像输入训练完成的人脸识别模型中，利用人脸识别模型对目标图像进行人脸识别，得到人脸识别模型输出人脸识别结果。人脸识别结果可以是目标图像中人脸对应的身份标识，例如，人名、称号、证件号等。人脸识别模型是基于扩展后的样本池中的训练样本进行训练得到的，人脸识别模型的训练样本是自动进行标注后的人脸图像，通过第一图像的人脸识别结果以及图像描述信息，可以自动标注大量的人脸图像，从而节省人力资源，并且人脸识别模型的样本池中具有大量的带有标注的训练样本。由大量的带有标注的训练样本进行训练完成得到的人脸识别模型，具有较高的人脸识别性能，可以得到准确的人脸识别结果。

在一个可能的实现方式中，在目标图像的人脸识别结果的准确率大于预设的准确率阈值的情况下，根据目标图像的人脸识别结果查找目标图像中人脸的相关信息，相关信息包括身份信息、行踪信息、人物图像中的一种或多种。

在本实现方式中，上述人脸识别模型还可以输出人脸识别结果的准确率，从而在得到目标图像的人脸识别结果之后，还可以将目标图像的人脸识别结果的准确率与预设的准确率阈值进行比较，以判断目标图像的人脸识别结果是否可信。在目标图像的人脸识别结果的准确率大于预设的准确率阈值的情况下，可以认为得到的目标图像的人脸识别结果是准确的，进一步可以根据目标图像的人脸识别结果在数据库中搜索目标图像中人脸的相关信息，从而可以获取目标图像中人脸的更多信息。其中，相关信息包括身份信息、行踪信息、人物图像中的一种或多种。

举例来说，在目标图像的人脸识别结果的准确率大于预设的准确率阈值的情况下，可以根据目标图像的人脸识别结果获取目标图像中人脸的身份信息，例如，获取身份证号、工作、年龄、住址等信息，从而可以进一步获取人脸所属人物的更加详细的信息。例如，在安防场景中，可以根据目标图像的人脸识别结果获取目标图像中人脸所属人物的行踪信息，例如，目标图像中人脸所属人物的行动路线、常现地点、最后出现的地点等，从而可以对目标图像中人脸所属人物进行追踪，辅助安防人员处理案件，提高办案效率。

本公开实施例中的人脸识别模型是基于扩展后的样本池中的训练样本进行训练得到的，扩展的样本池为人脸识别模型提供了大量的训练样本。下面对得到扩展后的样本池的过程进行说明。

图2示出根据本公开实施例的得到扩展后的样本池过程的流程图，可以包括以下步骤：

步骤S21，获取至少一个检测图像中未标注的第一图像。

本公开实施例中，检测图像中可以具有人脸图像，根据检测图像中人脸图像是否具有标签对检测图像进行划分，其中，具有一个或多个未标注的人脸图像的检测图像可以是第一图像。检测图像可以来源于广告、海报、电影或电视剧、相册等，通常检测图像具有相应的图像描述信息。图像描述信息可以是检测图像的文字说明，例如，在检测图像是电影剧照的情况下，图像描述信息可以是电影人物、剧情介绍等。

步骤S22，根据所述第一图像的人脸识别结果以及图像描述信息，对所述第一图像中的至少一个人脸图像进行标注。

在本公开实施例中，可以对第一图像中的人脸图像进行人脸识别，得到一个或多个人脸图像的人脸识别结果，一个人脸图像可以对应一个人脸识别结果。人脸识别结果可以是人脸图像中人脸对应的身份标识，例如，人名、称号、证件号等。一些实现方式中，在第一图像中的一个或多个人脸图像无法识别的情况下，相应的人脸识别结果可以为空或者为表示无法识别的标识符，本公开实施例不对具体的实现方式进行限制。根据第一图像中人脸图像的人脸识别结果以及第一图像的图像描述信息，可以确定第一图像中一个或多个人脸图像的标签，从而可以对第一图像中的一个或多个人脸图像进行标注。举例来说，可以将一个人脸图像的人脸识别结果和第一图像的图像描述信息进行匹配，在该人脸图像的人脸识别结果与第一图像的图像描述信息相匹配的情况下，可以将该人脸图像的人脸识别结果作为该人脸图像的标签，对该人脸图像进行标注。其中，人脸识别结果与第一图像的图像描述信息相匹配可以理解为，第一图像的图像描述信息中包括人脸识别结果。

这里，可以利用人脸识别模型对第一图像中的人脸图像进行识别。人脸识别模型可以是通过样本池中的训练样本进行训练得到的，样本池中的训练样本可以是通过人工标注的方式得到的，也可以是通过自动标注的方式得到的。自动标注的方式会在下文中进行说明，这里不再赘述。

步骤S23，将标注后的人脸图像作为训练样本加入样本池，对所述样本池进行扩展，其中，扩展后的样本池中的训练样本用于对人脸识别模型进行训练，以得到训练完成后的人脸识别模型。

在本公开实施例中，可以将标注后的人脸图像作为训练样本加入样本池中，样本池中的训练样本可以用于对人脸识别模型进行训练，通过不断地将标注后的人脸图像作为训练样本加入样本池，可以对样本池进行扩展。然后可以利用扩展后的样本池中的训练样本对人脸识别模型进行训练，以得到训练完成后的人脸识别模型。通过对样本池中的训练样本不断进行扩展，可以使人脸识别模型具有大量的训练样本，从而可以提高训练完成后的人脸识别模型人脸识别的准确率。

在本公开实施例中，可以通过对样本池中的训练样本进行扩展，以提高人脸识别模型的准确率。这里，初始的样本池也可以通过自动标注的方式得到。下面通过一实现方式对得到初始的样本池中的训练样本的过程进行说明。

在一个可能的实现方式中，可以获取至少一个检测图像中的第二图像，第二图像中包括一个人脸图像，然后根据第二图像的图像描述信息，对第二图像中的人脸图像进行标注，再将第二图像中标注后的人脸图像作为训练样本构建样本池。

在本实现方式中，可以获取多个检测图像中具有一个人脸图像的第二图像。针对具有一个人脸图像的第二图像，可以根据第二图像的图像描述信息，确定第二图像中人脸图像的标签，例如，可以将第二图像的图像描述信息中的人名作为第二图像中人脸图像的标签。然后可以利用确定的标签对第二图像中的人脸图像进行标注，标注后的人脸图像可以作为训练图像并构建样本池。通过这种方式，可以根据第二图像的图像描述信息对第二图像中的人脸图像进行标注，从而可以自动构建用于训练人脸识别模型的样本池，节省人力资源。

在本实现方式的一个示例中，针对至少一个检测图像中的一个检测图像，确定该检测图像包括的人脸图像的第一数量以及该检测图像的图像描述信息中包括的身份标识的第二数量。在第一数量等于1并且第二数量等于1的情况下，将所述检测图像确定为第二图像。

在该示例中，可以通过对于至少一个检测图像中的一个检测图像，可以通过对该检测图像进行人脸检测，确定该检测图像中所包括的人脸图像的数量，检测图像中所包括的人脸图像的数量可以是第一数量。通过对该检测图像的图像描述信息进行身份标识检测，可以确定该检测图像的图像描述信息中包括的身份标识的数量，图像描述信息中包括的身份标识的数量可以是第二数量。在第一数量等于1，并且，第二数量等于1的情况下，即，在检测图像仅包括一个人脸图像，同时，该检测图像的图像描述信息中仅包括一个身份标识的情况下，可以认为检测图像是第二图像。通过这种方式，可以快速的确定检测图像中的第二图像。

在本实现方式的一个示例中，在根据第二图像的图像描述信息，对第二图像中的人脸图像进行标注的情况下，提取第二图像的图像描述信息所包括的身份标识，然后将提取的身份标识作为第二图像中的人脸图像的标签对第二图像中的人脸图像进行标注。

在本示例中，第二图像可以具有一个人脸图像，并且，第二图像的图像描述信息具有一个身份标识，从而可以认为图像描述信息中的身份标识即为第二图像中人脸图像的身份标识，从而可以提取第二图像的图像描述信息中所包括的身份标识，然后可以将提取的身份标识确定为第二图像中人脸图像的标签，并利用这个身份标识对第二图像中人脸图像进行标注。这样，通过第二图像的图像描述信息，可以自动对第二图像中的人脸图像进行标注，从而可以利用由第二图像中进行标注的人脸图像构建样本池，实现样本池的自动构建。

在本实现方式的一个示例中，在对第二图像中的人脸图像进行标注后，可以利用第二图像中标注后的人脸图像对人脸识别模型进行训练，得到初步训练后的人脸识别模型。然后可以利用初步训练后的人脸识别模型对第一图像进行人脸识别，得到第一图像的人脸识别结果。

在本示例中，可以利用第二图像中标注后的人脸图像对人脸识别模型进行训练，即，可以利用初步构建的样本池中的训练图像对人脸识别模型进行训练，例如，可以将初步构建的样本池中的训练图像输出人脸识别模型，利用人脸识别模型对训练图像进行人脸识别，得到训练图像的人脸识别结果，然后可以将训练图像的人脸识别结果与训练图像的标签进行比对，得到比对结果，根据该比对结果调整人脸识别模型的网络参数，使训练图像的人脸识别结果趋近于训练图像的标签。通过利用第二图像中标注后的人脸图像对所述人脸识别模型进行训练，可以得到初步训练后的人脸识别模型。得到初步训练后的人脸识别模型之后，可以利用初步训练后的人脸识别模型对第一图像进行人脸识别，得到第一图像的人脸识别结果。通过这种方式，可以通过第二图像中标注后的人脸图像，初步训练人脸识别模型，然年利用这个初步训练的人脸识别模型在其他没有进入样本池的人脸图像进行推断，即，对第一图像中的人脸图像进行识别，可以准确的得到第一图像中人脸图像的识别结果。

本公开实施例中，可以根据多个人脸图像的人脸识别结果以及第一图像的图像描述信息，对至少一个人脸图像进行标注。下面通过一个可能的实现方式对第一图像中的至少一个人脸图像进行标注的过程进行说明。

在一个可能的实现方式中，针对第一图像中多个人脸图像中的一个人脸图像，可以根据该人脸图像的人脸识别结果以及第一图像的图像描述信息，在确定该人脸图像的人脸识别结果满足预设的标注条件的情况下，对人脸图像进行标注。

在本实现方式中，可以利用上述初步训练的人脸识别模型对第一图像中的多个人脸图像进行人脸检测，得到多个人脸图像的人脸检测结果。针对第一图像中多个人脸图像的一个人脸图像，可以根据该人脸图像的人脸识别结果以及第一图像的图像描述信息，判断该人脸图像的人脸识别结果是否满足预设的标注条件。在确定该人脸图像的人脸识别结果满足预设的标注条件的情况下，可以对该人脸图像进行标注。

这里，预设的标注条件可以包括：人脸识别结果的准确率大于预设的准确率阈值，并且，人脸识别结果与第一图像的图像描述信息包括的身份标识相匹配。在判断人脸图像的人脸标识结果是否满足预设的标注条件的情况下，可以将人脸识别结果的准确率与预设的准确率阈值进行比较，判断人脸识别结果的准确率是否大于准确率阈值。同时，可以将人脸识别结果与第一图像的图像描述信息包括的身份标识进行比较，判断人脸识别结果是否与第一图像的图像描述信息包括的身份标识相匹配。在人脸图像的人脸标识结果的准确率大于预设的准确率阈值，并且，人脸识别结果与第一图像的图像描述信息包括的身份标识相匹配的情况下，可以确定该人脸图像的人脸识别结果满足预设的标注条件，进一步可以将第一图像的图像描述信息包括的身份标识确定为该人脸图像的标签，并可以利用确定的标签对该人脸图像进行标注。其中，预设的准确率阈值可以根据实际应用场景进行设置，例如，可以将准确率阈值设置为0.85、0.9等。人脸识别模型在输出人脸识别结果的同时，还可以输出人脸识别结果的准确率，该准确率可以表示相应的人脸识别结果的准确程度。通常，人脸识别结果的准确率越高，可以认为人脸识别结果越准确，人脸识别结果的准确率越低，可以认为人脸识别结果越不准确，从而可以通过为人脸识别结果的准确率设置一个准确率阈值，以判断一个人脸识别结果是否可信。

通过确定第一图像中人脸图像的人脸识别结果是否满足标注条件，可以对第一图像中满足标注条件的人脸图像进行标注，从而在对第一图像中满足标注条件的人脸图像进行标注之后，可以将标注后的人脸图像作为训练图像加入样本池中，实现对样本池的扩展。

在本实现方式的一个示例中，在对满足标注条件的人脸图像进行标注之后，可以确定第一图像中未标注的人脸图像的第三数量，以及，确定图像描述信息中与多个人脸图像的人脸识别结果不匹配的身份标识的第四数量。在第三数量等于1并且第四数量等于1的情况下，利用不匹配的身份标识对未标注的人脸图像进行标注。

在本示例中，在对第一图像中满足标注条件的人脸图像进行标注之后，可以确定第一图像中未标注的人脸图像的数量，该数量可以是第三数量。相应地，可以确定第一图像的图像描述信息中与第一图像中多个人脸图像的人脸识别结果不匹配的身份标识的数量，该数量可以是第四数量。然后可以在第三数量等于1并且第四数量等于1的情况下，即，在第一图像中未标注的人脸图像为一个，并且，第一图像的图像描述信息中与第一图像中多个人脸图像的人脸识别结果不匹配的身份标识为一个的情况下，可以认为图像描述信息中与第一图像中多个人脸图像的人脸识别结果不匹配的身份标识可以作为第一图像中未标注的人脸图像的标签，对标注的人脸图像进行标注。通过这种方式，可以对第一图像中未标注的人脸图像进行标注。

在一个可能的实现方式中，利用扩展后样本池中的训练样本对人脸识别模型进行训练，并返回获取至少一个检测图像中包括多个人脸图像的第一图像的步骤，直到样本池中的训练样本不再增加。

在本实现方式中，可以利用扩展后样本池中的训练样本对人脸识别模型进行训练，以提高人脸识别模型的人脸识别率，同时，可以返回上述步骤S11，重新获取检测图像中包括多个人脸图像的第一图像，继续对样本池中的训练样本进行扩展，直到样本池中的训练样本不再增加为止，这样，可以自动对检测图像中的人脸图像进行标注，不断对样本池进行扩展，通过扩展后样本池中的训练样本得到的人脸识别模型，可以具有较高的人脸识别准确率。

图3示出根据本公开实施例的图像处理一示例的框图。本示例提供的图像处理方案可以包括以下步骤：

步骤S301，获取检测图像中的第二图像。

这里，可以通过对检测图像进行人脸检测以及对检测图像的图像描述信息进行身份标识检测，确定检测图像中仅有一个人脸图像，并且，图像描述信息中仅有一个身份标识(如人名)的检第二图像。

步骤S302，根据第二图像的描述信息对第二图像中的人脸图像进行标注，并利用第二图像中标注后的人脸图像构建初始的样本池。

这里，对于第二图像中仅检测出一个人脸图像，并且，图像描述信息中仅提到一个身份标识，可以认为第二图像中的人脸图像与图像描述信息中身份标识相匹配，即，第二图片中的人脸图像对应的标签可以是图像描述信息中仅提到的身份标识。进一步地，可以利用第二图像中标注后的人脸图像构建初始的样本池。

步骤S303，利用初始的样本池训练人脸识别模型，并利用初步训练的人脸识别模型对检测图像中未标注的第一图像进行人脸识别，得到人脸识别结果。

步骤S304，判断第一图像中人脸图像的人脸识别结果的准确率是否大于准确率阈值，并且，人脸图像的人脸识别结果是否与第一图像的图像描述信息中的身份标识相匹配。

步骤S305，在第一图像中人脸图像的人脸识别结果的准确率大于准确率阈值，并且，人脸图像的人脸识别结果与第一图像的图像描述信息中的身份标识相匹配的情况下，将与人脸识别结果相匹配的身份标识作为第一图像中人脸图像的标签，并将第一图像中标注后的人脸图像加入样本池。

步骤S306，获取仅有一个未标注的人脸图像以及获取图像描述信息中仅有一个身份标识未与人脸图像匹配的第一图像，将图像描述信息中未与人脸图像匹配的身份标识作为该第一图像中未标注的人脸图像的标签，并将标注后的人脸图像加入样本池。

这里，在执行步骤S306之后，可以返回步骤S303，进一步扩大样本池中的训练样本，在扩大的样本池的基础上训练人脸识别模型，直到样本池不再扩大为止。这样，可以利用图像描述中的身份标识和图像中的人脸，来训练人脸识别模型，从而可以实现在不需要额外的人工标注的情况下，即可训练一个准确率较高的人脸识别模型(与利用全标注训练样本得到的模型的准确率相当)。

可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。

此外，本公开还提供了装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种图像处理方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。

本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。

图4示出根据本公开实施例的图像处理装置的框图，如图4所示，所述装置包括：

第一获取模块41，用于获取待识别的目标图像；

识别模块42，用于利用训练完成的人脸识别模型对所述目标图像进行人脸识别，得到所述目标图像的人脸识别结果；其中，所述人脸识别模型是基于扩展后的样本池中的训练样本进行训练得到的，所述扩展后的样本池中的训练样本是根据第一图像的人脸识别结果以及图像描述信息，对第一图像中的至少一个人脸图像进行标注得到的。

在一个或多个可能的实现方式中，所述装置还包括：

查找模块，用于在所述目标图像的人脸识别结果的准确率大于预设的准确率阈值的情况下，根据所述目标图像的人脸识别结果查找所述目标图像中人脸的相关信息，所述相关信息包括身份信息、行踪信息、人物图像中的一种或多种。

在一个或多个可能的实现方式中，所述装置还包括：

第二获取模块，还用于获取至少一个检测图像中未标注的第一图像；

标注模块，用于根据所述第一图像的人脸识别结果以及图像描述信息，对所述第一图像中的至少一个人脸图像进行标注；

加入模块，用于将标注后的人脸图像作为训练样本加入样本池，对所述样本池进行扩展，得到所述扩展后的样本池。

在一个或多个可能的实现方式中，所述第二获取模块，还用于获取至少一个检测图像中的第二图像，其中，第二图像中包括一个人脸图像；所述标注模块，还用于根据所述第二图像的图像描述信息，对所述第二图像中的人脸图像进行标注；所述加入模块，还用于将所述第二图像中标注后的人脸图像作为训练样本构建所述样本池。

在一个或多个可能的实现方式中，所述第二获取模块，具体用于针对所述至少一个检测图像中的一个检测图像，确定所述检测图像包括的人脸图像的第一数量以及所述检测图像的图像描述信息中包括的身份标识的第二数量；在所述第一数量等于1并且所述第二数量等于1的情况下，将所述检测图像确定为第二图像。

在一个或多个可能的实现方式中，所述标注模块，具体用于提取所述第二图像的图像描述信息所包括的身份标识；将提取的身份标识作为所述第二图像中的人脸图像的标签对所述第二图像中的人脸图像进行标注。

在一个或多个可能的实现方式中，所述装置还包括：

第一训练模块，用于利用所述第二图像中标注后的人脸图像对所述人脸识别模型进行训练，得到初步训练后的人脸识别模型；利用所述初步训练后的人脸识别模型对所述第一图像进行人脸识别，得到所述第一图像的人脸识别结果。

在一个或多个可能的实现方式中，所述标注模块，具体用于针对所述第一图像中的一个人脸图像，根据所述人脸图像的人脸识别结果以及所述第一图像的图像描述信息，在确定所述人脸图像的人脸识别结果满足预设的标注条件的情况下，对所述人脸图像进行标注。

在一个或多个可能的实现方式中，所述预设的标注条件包括：

所述人脸识别结果的准确率大于预设的准确率阈值；并且，

所述人脸识别结果与所述第一图像的图像描述信息包括的身份标识相匹配。

在一个或多个可能的实现方式中，所述标注模块，还用于在对满足所述标注条件的人脸图像进行标注之后，确定所述第一图像中未标注的人脸图像的第三数量，以及，确定所述图像描述信息中与人脸图像的人脸识别结果不匹配的身份标识的第四数量；在所述第三数量等于1并且所述第四数量等于1的情况下，利用所述不匹配的身份标识对所述未标注的人脸图像进行标注。

在一个或多个可能的实现方式中，所述装置还包括：

第二训练模块，用于利用扩展后样本池中的训练样本对人脸识别模型进行训练，并返回所述获取至少一个检测图像中的第一图像的步骤，直到所述样本池中的训练样本不再增加，得到训练完成的人脸识别模型。

在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。

图5是根据一示例性实施例示出的一种用于观测行为控制的装置800的框图。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图5，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由装置800的处理器820执行以完成上述方法。

本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为上述方法。

电子设备可以被提供为终端、服务器或其它形态的设备。

图6是根据一示例性实施例示出的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图6，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。

电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多个编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (20)

1.一种图像处理方法，其特征在于，包括：

获取待识别的目标图像；

利用训练完成的人脸识别模型对所述目标图像进行人脸识别，得到所述目标图像的人脸识别结果；其中，所述人脸识别模型是基于扩展后的样本池中的训练样本进行训练得到的，所述扩展后的样本池中的训练样本是根据第一图像的人脸识别结果以及图像描述信息，对第一图像中的至少一个人脸图像进行标注得到的。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在所述目标图像的人脸识别结果的准确率大于预设的准确率阈值的情况下，根据所述目标图像的人脸识别结果查找所述目标图像中人脸的相关信息，所述相关信息包括身份信息、行踪信息、人物图像中的一种或多种。

3.根据权利要求1或2所述的方法，其特征在于，得到扩展后的样本池，包括：

获取至少一个检测图像中未标注的第一图像；

根据所述第一图像的人脸识别结果以及图像描述信息，对所述第一图像中的至少一个人脸图像进行标注；

将标注后的人脸图像作为训练样本加入样本池，对所述样本池进行扩展，得到所述扩展后的样本池。

4.根据权利要求3所述的方法，其特征在于，所述获取至少一个检测图像中未标注的第一图像之前，还包括：

获取至少一个检测图像中的第二图像，其中，第二图像中包括一个人脸图像；

根据所述第二图像的图像描述信息，对所述第二图像中的人脸图像进行标注；

将所述第二图像中标注后的人脸图像作为训练样本构建所述样本池。

5.根据权利要求4所述的方法，其特征在于，所述获取至少一个的检测图像中的第二图像，包括：

针对所述至少一个检测图像中的一个检测图像，确定所述检测图像包括的人脸图像的第一数量以及所述检测图像的图像描述信息中包括的身份标识的第二数量；

在所述第一数量等于1并且所述第二数量等于1的情况下，将所述检测图像确定为第二图像。

6.根据权利要求4或5所述的方法，其特征在于，所述根据所述第二图像的图像描述信息，对所述第二图像中的人脸图像进行标注，包括：

提取所述第二图像的图像描述信息所包括的身份标识；

将提取的身份标识作为所述第二图像中的人脸图像的标签对所述第二图像中的人脸图像进行标注。

7.根据权利要求3至6任意一项所述的方法，其特征在于，所述方法还包括：

利用所述第二图像中标注后的人脸图像对所述人脸识别模型进行训练，得到初步训练后的人脸识别模型；

利用所述初步训练后的人脸识别模型对所述第一图像进行人脸识别，得到所述第一图像的人脸识别结果。

8.根据权利要求3至7任意一项所述的方法，其特征在于，所述根据所述第一图像的人脸识别结果以及图像描述信息，对所述第一图像中的至少一个人脸图像进行标注，包括：

针对所述第一图像中的一个人脸图像，根据所述人脸图像的人脸识别结果以及所述第一图像的图像描述信息，在确定所述人脸图像的人脸识别结果满足预设的标注条件的情况下，对所述人脸图像进行标注。

9.根据权利要求8所述的方法，其特征在于，所述预设的标注条件包括：

所述人脸识别结果的准确率大于预设的准确率阈值；并且，

所述人脸识别结果与所述第一图像的图像描述信息包括的身份标识相匹配。

10.根据权利要求8或9所述的方法，其特征在于，在对满足所述标注条件的人脸图像进行标注之后，所述方法还包括：

确定所述第一图像中未标注的人脸图像的第三数量，以及，确定所述图像描述信息中与人脸图像的人脸识别结果不匹配的身份标识的第四数量；

在所述第三数量等于1并且所述第四数量等于1的情况下，利用所述不匹配的身份标识对所述未标注的人脸图像进行标注。

11.根据权利要求3至10中任意一项所述的方法，其特征在于，所述方法还包括：

利用扩展后样本池中的训练样本对人脸识别模型进行训练，并返回所述获取至少一个检测图像中的第一图像的步骤，直到所述样本池中的训练样本不再增加，得到训练完成的人脸识别模型。

12.一种图像处理装置，其特征在于，包括：

第一获取模块，用于获取待识别的目标图像；

识别模块，用于利用训练完成的人脸识别模型对所述目标图像进行人脸识别，得到所述目标图像的人脸识别结果；其中，所述人脸识别模型是基于扩展后的样本池中的训练样本进行训练得到的，所述扩展后的样本池中的训练样本是根据第一图像的人脸识别结果以及图像描述信息，对第一图像中的至少一个人脸图像进行标注得到的。

13.根据权利要求12所述的装置，其特征在于，所述装置还包括：

查找模块，用于在所述目标图像的人脸识别结果的准确率大于预设的准确率阈值的情况下，根据所述目标图像的人脸识别结果查找所述目标图像中人脸的相关信息，所述相关信息包括身份信息、行踪信息、人物图像中的一种或多种。

14.根据权利要求12或13所述的装置，其特征在于，所述装置还包括：

第二获取模块，还用于获取至少一个检测图像中未标注的第一图像；

标注模块，用于根据所述第一图像的人脸识别结果以及图像描述信息，对所述第一图像中的至少一个人脸图像进行标注；

加入模块，用于将标注后的人脸图像作为训练样本加入样本池，对所述样本池进行扩展，得到所述扩展后的样本池。

15.根据权利要求14所述的装置，其特征在于，

所述第二获取模块，还用于获取至少一个检测图像中的第二图像，其中，第二图像中包括一个人脸图像；

所述标注模块，还用于根据所述第二图像的图像描述信息，对所述第二图像中的人脸图像进行标注；

所述加入模块，还用于将所述第二图像中标注后的人脸图像作为训练样本构建所述样本池。

16.根据权利要求15所述的装置，其特征在于，所述第二获取模块，具体用于针对所述至少一个检测图像中的一个检测图像，确定所述检测图像包括的人脸图像的第一数量以及所述检测图像的图像描述信息中包括的身份标识的第二数量；在所述第一数量等于1并且所述第二数量等于1的情况下，将所述检测图像确定为第二图像。

17.根据权利要求15或16所述的装置，其特征在于，所述标注模块，具体用于提取所述第二图像的图像描述信息所包括的身份标识；将提取的身份标识作为所述第二图像中的人脸图像的标签对所述第二图像中的人脸图像进行标注。

18.根据权利要求14至17任意一项所述的装置，其特征在于，所述装置还包括：

第一训练模块，用于利用所述第二图像中标注后的人脸图像对所述人脸识别模型进行训练，得到初步训练后的人脸识别模型；利用所述初步训练后的人脸识别模型对所述第一图像进行人脸识别，得到所述第一图像的人脸识别结果。

19.一种电子设备，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至11中任意一项所述的方法。

20.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至11中任意一项所述的方法。

Images