[發明專利]基于深度神經網絡的實時人臉識別方法

無效

• 申請號: 201410023333.6
• 申請日: 2014-01-17
• 公開（公告）號: CN103778414A
• 公開（公告）日: 2014-05-07
• 發明（設計）人: 羅志增;邢健飛;席旭剛;高云園
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 杜軍

技術領域

本發明屬于模式識別領域，涉及一種人臉識別方法，特別涉及一種可實時進行人臉識別任務的人臉識別方法。

背景技術

作為生物認證技術的一種，人臉識別憑借著非接觸性、良好的用戶體驗等特性，以及穩步上升的識別率，有著巨大的市場潛力與科學研究價值。人臉識別屬于圖像識別的一種，圖像識別的重難點在于賦予機器理解圖像所蘊含隱含信息的能力，而作為一種可提取數據深層信息的特征提取方法，深度神經網絡對基于圖像的人臉識別技術有著一定的啟發。

目前，深度神經網絡在模式識別領域已經有多項突破：微軟采用深度神經網絡技術進行語音識別，達到了現今最高的語音識別率；百度采用紐約大學Yann?LeCun教授提出的深度卷積網絡搭建了百度識圖等應用，并組建了百度深度學習研究院；最新消息指出，谷歌搭建的深度學習系統在“學習”存儲在服務器中大規模數據庫的基礎上已經可以做到獨立思考的程度。

然而，鮮有研究者將深度神經網絡應用于人臉識別領域，申請人認為原因在于兩點：一方面傳統的深度神經網絡+softmax的框架需要多張圖像為每個個體建立一個模型，對于人臉識別這種類別數目不確定的任務適用性較差；另一方面，人臉識別所需要的圖片尺寸較大，一般情況下，30×30以上的圖片才能達到滿意效果，這樣就加大了訓練深度網絡模型的難度。

發明內容

為探究深度神經網絡對于人臉識別任務的識別效果，本發明提出了一種基于深度神經網絡的實時人臉識別方法。首先利用多樣性較好的大規模人臉庫訓練出一種多層神經網絡，其中除最后一層外的每層為非線性層，尾層為線性層；然后利用有監督的鄰近元分析的方法在混合人臉庫的基礎上繼續訓練得到的網絡，使得網絡對于人臉圖像的理解加深，達到縮短同一個體間人臉圖像距離、增大不同個體間人臉圖像距離的目的，最后在實際的人臉識別階段，本發明提出了一種“搜索半徑”的概念，在確保識別率的前提下，縮短了識別所需時間，實現了實時的人臉識別。

為了實現以上目的，本發明方法主要包括以下步驟：

步驟(1).獲取網絡訓練數據，具體是：選取多樣性較好的人臉庫作為大規模人臉庫。另外，從多個人臉庫中選取一部分圖像組合成混合人臉庫，其中對部分光照變化較強烈的圖像進行光照歸一化操作，減小光照的影響。采用Viola-Jones人臉檢測器檢測并剪切大規模人臉庫與混合人臉庫中圖像內人臉部分。將大規模人臉庫與混合人臉庫中每張圖像的像素值按行或列拉伸為一列，組合成行數為圖像像素點數，列數為圖像張數的矩陣，矩陣除以255，使得數據分布在0-1范圍。

步驟(2).使用深度神經網絡在步驟(1)獲取的大規模人臉庫中人臉部分圖像的基礎上以無監督方式訓練深度神經網絡，具體算法如下。

本發明以Autoencoder深度神經網絡為框架，通過恢復大規模人臉庫中人臉圖像，以達到訓練深度神經網絡的目的，首先用反向傳導算法訓練每層網絡，最后同樣用反向傳導算法調整網絡整體表現。算法具體步聚如下：

1)初始化每一層網絡的權重懲罰因子、權重縮放比例、權重值、偏置值、

分組數據大小等參數。權重懲罰因子為控制不讓訓練得到的網絡權重過

大，引起過擬合，假設初始化的權重比例為W_s，則有：

W_s＝sqrt(6)/sqrt(v+h+1)(1)

式(1)中，v表示可見層節點數，h表示隱含層節點數。則可得到:

W＝2^*w_s^*(rand(h,v)-0.5)(2)

W′＝2^*w_s^*(rand(v,h)-0.5)(3)

式(2)(3)中，W、W′分別為可見層、隱含層的初始化權重，rand(m,n)為可生成在(0,1)之間均勻分布隨機數組成的m×n矩陣的函數。

2)確定網絡的損失函數。Autoencoder的目標是是不斷改進網絡，增強網絡對于原始數據的恢復能力，網絡的損失函數為：