[發明專利]一種基于CNN的多層次圖像語義的人臉識別方法

有效

• 申請號: 201710134068.2
• 申請日: 2017-03-08
• 公開（公告）號: CN106599883B
• 公開（公告）日: 2020-03-17
• 發明（設計）人: 王華鋒;田貴成;劉萬泉;潘海俠;蔡葉荷
• 申請（專利權）人: 王華鋒
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/02
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 楊學明;顧煒

1.一種基于CNN的多層次圖像語義的人臉識別方法，其特征在于包括以下四個步驟：

步驟(1)、首先采用自適應中值濾波算法對輸入圖像進行去噪處理，然后截取檢測到的人臉區域圖像，再使用雙線性插值算法對人臉圖像進行歸一化處理，提高人臉識別準確率，歸一化后的圖像尺寸為256*224；

步驟(2)、然后將步驟(1)歸一化后的圖像的每個通道都進行直方圖均衡化操作，再把均衡化后的人臉圖像切分成若干個區域，把每個區域對應的直方圖向量拼接成一個大規模向量，與八采樣點的LBP算子進行計算，得到圖像的高維LBP特征；

步驟(3)、把提取到的高維LBP特征作為圖像的附加特征，加入到卷積神經網絡的訓練中；設計網絡結構時，保持conv4_3層的特征圖尺寸，并將conv4_3與conv5_3層的特征圖尺寸統一到與conv4_3相同的尺寸，在conv3_3層特征圖中使用平均池化采樣，對conv5_3層特征圖中使用反卷積操作對特征圖進行上采樣，然后將conv3_3，conv4_3，conv5_3三層計算得到的特征進行拼接，再經過一層全連接層，將全連接層的輸出作為最終的圖像特征；

步驟(4)、兩張人臉圖像均經過步驟(3)后，得到兩個1024維的特征向量，需要通過特征相似度計算去評判兩張人臉的相似程度，利用自適應距離計算方法來計算兩組特征的歐氏距離相似度，最后與先驗的閾值進行比對，若結果高于閾值則判定為同一個人，否則不屬于同一個人；

步驟(1)中所述的自適應中值濾波器的好處在于，當圖像中某個區域內噪聲干擾程度很高的時候，使用較大的濾波窗口進行去噪，能夠更加有效地消除噪聲；當區域內噪聲干擾小的時候，使用窗口小的濾波窗口進行去噪，能夠保留更好的圖像細節；

步驟(2)中所述的高維LBP特征在計算時采用八采樣點的LBP算子進行計算，那么LBP特征值的取值范圍為0～255，對切分后每個區域的的每個特征值進行統計，可以得到一個包含256個二進制數的直方圖，最后拼接每一個區域的直方圖向量；

步驟(3)中所述的拼接是在VGGNet網絡的基礎上做的優化，在Conv5_3之前保持VGGNet原始結構，把conv3_3、conv4_3、conv5_3這三個卷積層拼接成一個新的卷積層，讓特征能夠包含多層語義信息，使得特征的信息完備性更強，最后在兩個全連接層之后接一個Softmax作為分類器，對圖像進行分類；

步驟(4)中所述的自適應特征相似度是在歐式距離的基礎上做出的改進，在計算時加入特征每個維度的重要性權重w，采用梯度下降法來計算歐式距離的特征權重w。