本申请属于人脸识别，尤其涉及人脸识别方法、装置、电子设备及计算机可读存储介质。
背景技术：
1、随着计算机视觉技术的急速发展，人脸识别技术广泛应用于国防安全、视频监控、人机交互和视频索引等领域。人脸识别技术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，在进行人脸识别时，通常先通过如摄像机等摄像设备采集含有人脸的图像或视频，然后在图像中检测和跟踪人脸，提取检测到的人脸的特征以进行脸部识别。
2、为了提高人脸识别的准确性，目前通常通过自注意力或多头注意力提取图像中的人脸特征，但自注意力和多头注意力需要通过指数运算计算注意力权重，以进行特征提取，随着图像的分辨率的增加，指数运算需要大量的计算资源和时间，对设备的算力要求高，且效率较低。
技术实现思路
1、本申请实施例提供了人脸识别方法、装置、电子设备及存储介质，可以提高人脸识别效率。
2、第一方面，本申请实施例提供了一种人脸识别方法，包括：
3、获取待识别图像，所述待识别图像为包含人脸的图像；
4、将所述待识别图像作为预训练的人脸识别模型的输入，得到所述人脸识别模型输出的识别结果，所述人脸识别模型用于基于线性注意力对所述待识别图像进行特征提取，并对提取到的待识别图像特征进行识别，得到所述识别结果。
5、在第一方面的一种可能的实现方式中，所述人脸识别模型包括线性注意力模块和识别模块，所述将所述待识别图像作为人脸识别模型的输入，得到所述人脸识别模型输出的识别结果，包括：
6、通过所述线性注意力模块基于线性注意力对输入的所述待识别图像进行特征提取，得到所述待识别图像特征；
7、将所述待识别图像特征作为所述识别模块的输入，通过所述识别模块对所述待识别图像特征进行识别，得到所述识别模块输出的所述识别结果。
8、在第一方面的一种可能的实现方式中，所述人脸识别模型还包括嵌入深度卷积模块的前馈网络，所述将所述待识别图像特征作为所述识别模块的输入，通过所述识别模块对所述待识别图像特征进行识别，得到所述识别模块输出的所述识别结果之前，还包括：
9、通过所述前馈网络对所述待识别图像特征进行深度卷积处理，得到嵌入局部特征的所述待识别图像特征。
10、在第一方面的一种可能的实现方式中，所述线性注意力模块包括预处理网络和注意力网络，所述通过所述线性注意力模块基于线性注意力对输入的所述待识别图像进行特征提取，得到所述待识别图像特征，包括：
11、基于所述预处理网络对所述待识别图像进行预处理，得到所述待识别图像对应的多个特征向量；
12、通过所述注意力网络对多个所述特征向量进行线性注意力权重计算和加权求和，得到所述待识别图像特征。
13、在第一方面的一种可能的实现方式中，所述基于所述预处理网络对所述待识别图像进行预处理，得到多个特征向量，包括：
14、对所述待识别图像进行分割处理，得到多个图像块；
15、分别对每一个所述图像块进行向量化处理，得到各个所述图像块对应的所述特征向量。
16、在第一方面的一种可能的实现方式中，所述通过所述注意力网络对多个所述特征向量进行线性注意力权重计算和加权求和，得到所述待识别图像特征，包括：
17、根据多个所述特征向量确定键矩阵和值矩阵；
18、基于所述键矩阵、所述值矩阵和relu函数进行线性注意力权重计算和加权求和，得到所述待识别图像特征。
19、第二方面，本申请实施例提供了一种人脸识别装置，包括：
20、待识别图像获取模块，用于获取待识别图像，所述待识别图像为包含人脸的图像；
21、识别模块，用于将所述待识别图像作为预训练的人脸识别模型的输入，得到所述人脸识别模型输出的识别结果，所述人脸识别模型用于基于线性注意力对所述待识别图像进行特征提取，并对提取到的待识别图像特征进行识别，得到所述识别结果。
22、第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的人脸识别方法的步骤。
23、第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机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上述第一方面中所述的人脸识别方法的步骤。
24、第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行上述第一方面中任一项所述的人脸识别方法。
25、本申请实施例与现有技术相比存在的有益效果是：
26、本申请实施例中，在获取到包含人脸的待识别图像之后，将待识别图像输入到预训练的人脸识别模型中，通过该人脸识别模型基于线性注意力对待识别图像进行特征提取，再对提取到的特征进行识别，得到待识别图像中的人脸的识别结果，而线性注意力能够在不需要进行指数运算的情况下，较好地计算注意力权重，从而提取得到待识别图像对应的待识别图像特征，从而能够减小对设备的算力要求，同时提高特征提取效率，即提高人脸识别效率。
1.一种人脸识别方法，其特征在于，包括：
2.如权利要求1所述的人脸识别方法，其特征在于，所述人脸识别模型包括线性注意力模块和识别模块，所述将所述待识别图像作为预训练的人脸识别模型的输入，得到所述人脸识别模型输出的识别结果，包括：
3.如权利要求2所述的人脸识别方法，其特征在于，所述人脸识别模型还包括嵌入深度卷积模块的前馈网络，所述将所述待识别图像特征作为所述识别模块的输入，通过所述识别模块对所述待识别图像特征进行识别，得到所述识别模块输出的所述识别结果之前，还包括：
4.如权利要求2所述的人脸识别方法，其特征在于，所述线性注意力模块包括预处理网络和注意力网络，所述通过所述线性注意力模块基于线性注意力对输入的所述待识别图像进行特征提取，得到所述待识别图像特征，包括：
5.如权利要求4所述的人脸识别方法，其特征在于，所述基于所述预处理网络对所述待识别图像进行预处理，得到多个特征向量，包括：
6.如权利要求4所述的人脸识别方法，其特征在于，所述通过所述注意力网络对多个所述特征向量进行线性注意力权重计算和加权求和，得到所述待识别图像特征，包括：
7.一种人脸识别装置，其特征在于，包括：
8.如权利要求7所述的人脸识别装置，其特征在于，所述识别模块包括：
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述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如权利要求1至6任一项所述的方法。
10.一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程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的方法。
