[發(fā)明專利]深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法及人臉識別方法

在審

• 申請?zhí)枺?/td>: 201710022621.3
• 申請日: 2017-01-12
• 公開（公告）號: CN106778684A
• 公開（公告）日: 2017-05-31
• 發(fā)明（設(shè)計(jì)）人: 黃飛;田澤康;侯立民;鄧卉;謝建
• 申請（專利權(quán)）人: 易視騰科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京聯(lián)創(chuàng)佳為專利事務(wù)所(普通合伙)11362
• 代理人: 郭防

1.一種深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法，其特征在于，包括如下步驟：

獲取帶有分類信息的人臉數(shù)據(jù)集；

根據(jù)所述分類信息對所述人臉數(shù)據(jù)集進(jìn)行分類，并將所述人臉數(shù)據(jù)集進(jìn)行對齊歸一化處理，形成訓(xùn)練數(shù)據(jù)集；

將所述訓(xùn)練數(shù)據(jù)集帶入到深度神經(jīng)網(wǎng)絡(luò)模型中，根據(jù)所述深度神經(jīng)網(wǎng)絡(luò)模型的損失函數(shù)及訓(xùn)練參數(shù)對所述深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到優(yōu)化深度神經(jīng)網(wǎng)絡(luò)模型；其中，針對不同清晰度的所述訓(xùn)練數(shù)據(jù)集，所述深度神經(jīng)網(wǎng)絡(luò)模型包括多個(gè)獨(dú)立的深度神經(jīng)網(wǎng)絡(luò)模型，每個(gè)獨(dú)立的深度神經(jīng)網(wǎng)絡(luò)模型對應(yīng)一個(gè)所述損失函數(shù)。

2.根據(jù)權(quán)利要求1所述的深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法，其特征在于，在將所述訓(xùn)練數(shù)據(jù)集帶入到深度神經(jīng)網(wǎng)絡(luò)模型中之前還包括步驟：針對每個(gè)所述獨(dú)立的深度神經(jīng)網(wǎng)絡(luò)模型所應(yīng)對的清晰度，對待輸入到所述獨(dú)立的深度神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練數(shù)據(jù)集中的圖片進(jìn)行縮放和/或剪裁。

3.根據(jù)權(quán)利要求1～2所述的任一深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法，其特征在于，根據(jù)所述損失函數(shù)和訓(xùn)練參數(shù)采用隨機(jī)梯度下降法對所述深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練。

4.一種人臉識別方法，其特征在于，包括如下步驟：

建立人臉模型庫，所述人臉模型庫中至少包括1個(gè)人臉的模型；

使用所述人臉模型庫和權(quán)利要求1～3中任一建立的優(yōu)化深度神經(jīng)網(wǎng)絡(luò)模型，對待識別人臉圖片進(jìn)行識別，以確定所述待識別人臉屬于人臉模型庫中某一類的人臉標(biāo)識。

5.根據(jù)權(quán)利要求4所述的人臉識別方法。其特征在于，所述建立人臉模型庫的步驟包括：獲取待識別的人臉對應(yīng)的標(biāo)識和人臉圖片集合；

對所述人臉圖片集合中的所有圖片進(jìn)行對齊處理；

將對齊后的人臉圖片集合中的圖片分別輸入到所述神經(jīng)網(wǎng)絡(luò)模型中，獲取特征向量集合，所述特征向量集合中的單個(gè)特征向量對應(yīng)一張所述圖片；

將所述特征向量集合及對應(yīng)的所述人臉標(biāo)識記錄到所述人臉模型庫中。

6.根據(jù)權(quán)利要求4或5所述的人臉識別方法，其特征在于，所述對待識別人臉圖片進(jìn)行識別的步驟包括：

獲取待識別人臉圖片并進(jìn)行對齊處理；

將對齊后的待識別人臉圖片分別輸入到所述神經(jīng)網(wǎng)絡(luò)模型中，獲取特征向量集合，所述特征向量集合中的單個(gè)特征向量對應(yīng)一個(gè)神經(jīng)網(wǎng)絡(luò)模型；

將所述特征向量集合與所述人臉模型庫進(jìn)行比對，輸出最高相似度值及對應(yīng)最高相似度值的人臉標(biāo)識；

將所述最高相似度值與閾值比較，如果大于閾值則輸出所述人臉標(biāo)識。

7.根據(jù)權(quán)利要求6所述的人臉識別方法。其特征在于，所述將所述特征向量集合與所述人臉模型庫進(jìn)行比對，輸出最高相似度值及對應(yīng)最高相似度值的人臉標(biāo)識的步驟包括：將所述特征向量集合與所述人臉模型庫中各類別人臉進(jìn)行比對獲取各類別對應(yīng)的相似度，將各類別對應(yīng)的相似度值中的最高值作為所述最高相似度，將所述最高值對應(yīng)的類別作為所述對應(yīng)最高相似度值的人臉標(biāo)識。

8.根據(jù)權(quán)利要求7所述的人臉識別方法。其特征在于，所述將所述特征向量集合與所述人臉模型庫中各類別人臉進(jìn)行比對獲取各類別對應(yīng)的相似度的步驟包括：將所述特征向量集合中每個(gè)特征向量與所述人臉模型庫中一個(gè)類別圖片對應(yīng)的多個(gè)特征向量進(jìn)行對比，求取多幅圖片多個(gè)模型對應(yīng)的相似度集合，然后根據(jù)所述相似度集合進(jìn)行融合，求取模型融合后相似度集合，所述模型融合后的相似度集合對應(yīng)一個(gè)類別中多幅圖片，對所述模型融合后的相似度集合進(jìn)行歸納，獲得所述類別對應(yīng)的相似度。

9.根據(jù)權(quán)利要求8所述的人臉識別方法。其特征在于，所述求取多幅圖片多個(gè)模型對應(yīng)的相似度集合的步驟包括：利用向量余弦函數(shù)求出相似度值；所述根據(jù)所述相似度集合進(jìn)行融合的步驟包括，采用均值函數(shù)進(jìn)行融合；所述對所述模型融合后的相似度集合進(jìn)行歸納的步驟包括：采用最大值函數(shù)進(jìn)行歸納。