[發明專利]一種人臉特征識別方法

在審

• 申請號: 201610084917.3
• 申請日: 2016-02-14
• 公開（公告）號: CN105760833A
• 公開（公告）日: 2016-07-13
• 發明（設計）人: 熊風燁;白洪亮;董遠
• 申請（專利權）人: 北京飛搜科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/08
• 代理公司: 北京細軟智谷知識產權代理有限責任公司 11471
• 代理人: 王淑玲

技術領域

本發明屬于圖像識別技術領域，具體涉及一種人臉特征識別方法。

背景技術

人臉識別技術是基于人的臉部特征，對輸入的人臉圖像或者視頻流，首先判斷其是否存在人臉，如果存在人臉，則進一步的給出每個臉的位置、大小和各個主要面部器官的位置信息。并依據這些信息，進一步提取每個人臉中所蘊涵的身份特征，并將其與已知的人臉進行對比，從而識別每個人臉的身份。

目前，人臉識別技術中的人臉特征大多由多個卷積神經網絡獲得，采用的識別技術主要為主成分分析(pca)與聯合貝葉斯(joint-bayes)方法，其具有識別速度慢的缺點；使用歐氏距離或余弦距離存在特征存儲空間大，準確率低的缺點。如何有效的合并人臉特征并且降低特征維度從而便于存儲，還能夠在保證計算速度的前提下提升準確率，這是人臉識別技術中亟需解決的問題。

發明內容

為了解決現有技術存在的上述問題，本發明提供了一種在保證人臉識別速度的前提下能夠提高人臉識別率的人臉特征識別方法。

為實現上述目的，本發明采取以下技術方案：一種人臉特征識別方法包括以下步驟：

1)將含有人臉標簽信息的人臉圖片輸入卷積神經網絡中，利用卷積神經網絡對輸入的人臉圖片進行卷積和池化處理，將每一張人臉圖片表示為一個1024維的特征向量；

2)在度量學習算法中加入自編碼算法的代價函數，得到自編碼和度量學習結合的訓練網絡；將步驟1)中獲得的含有人臉標簽信息的人臉1024維的特征向量輸入自編碼和度量學習結合的訓練網絡中，生成度量學習算法得到的模型；

3)將含有人臉標簽信息的人臉1024維的特征向量輸入度量學習算法得到的模型中，得到人臉128維的特征向量；

4)計算含有人臉標簽信息的人臉圖片中任意兩個128維的特征向量的歐氏距離，并根據所有計算得到的歐式距離，計算得到最佳的判別閾值Th；

5)將兩個人臉測試圖片輸入卷積神經網絡中，得到兩個人臉測試圖片的1024維特征向量X₁和X₂；

6)將兩個人臉測試圖片的1024維特征向量X₁和X₂都輸入度量學習算法得到的模型中，得到兩個人臉測試圖片的128維特征向量Z₁和Z₂；

7)計算兩個人臉測試圖片的128維特征向量Z₁和Z₂之間的歐式距離D；

8)將兩個人臉測試圖片之間的歐氏距離D與判別閾值Th進行比較，如果D≤Th，則判定這兩個人臉測試圖片屬于同一個人；否則，這兩個人臉測試圖片不屬于同一個人。

進一步地，自編碼和度量學習結合的訓練網絡用代價函數表示為：

L＝L₁+αL₂(1)

式(1)中，L₁為自編碼算法生成的模型的代價函數，L₂為度量學習算法生成的模型的代價函數，α為自編碼算法生成的模型的代價函數L₁和度量學習算法生成的模型的代價函數L₂的比例參數；其中，

L1=(X^1-X1)2+(X^2-X2)2---(2)]]>