[發明專利]一種人臉特征模型的訓練方法及裝置

在審

• 申請號: 201710562077.1
• 申請日: 2017-07-11
• 公開（公告）號: CN107273871A
• 公開（公告）日: 2017-10-20
• 發明（設計）人: 夏立
• 申請（專利權）人: 夏立
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及人臉識別技術領域，尤其涉及一種人臉特征模型的訓練方法及裝置。

背景技術

人臉識別作為一種生物特征識別技術，早期主要應用于公共安全領域。傳統的人臉識別技術主要是基于可見光圖像的人臉識別，這也是人們熟悉的識別方式。但這種方式有著難以克服的缺陷，尤其在環境光照發生變化時，識別效果會急劇下降，無法滿足實際系統的需要。解決光照問題的方案有三維圖像人臉識別，和熱成像人臉識別。但這兩種技術還遠不成熟，識別效果不盡人意。

近兩年，隨著技術的進步，人臉識別在各個領域得到越來越多的應用。但是，其中人臉特征點(眼，口，鼻等)的提取受外部因素影響大，比如人臉識別對象佩戴了眼鏡，或剃了胡子，或用頭發遮住眼睛，會導致人臉特征點提取誤差大，準確率低，無法在實際中應用。

發明內容

針對上述問題，本發明提出了一種人臉特征模型的訓練方法，應用于一人臉特征模型的訓練裝置中，所述人臉特征模型的訓練裝置包括一人臉特征模型庫；

其中，包括提供一標準修飾圖像庫，所述標準修飾圖像庫包括第一預設數量的標準修飾圖像；還包括：

步驟S1，提供待識別的人臉樣本圖像；

步驟S2，基于一預設策略將所述人臉樣本圖像分別與每個所述標準修飾圖像相結合，形成相應的合成圖像；

步驟S3，對每個所述合成圖像進行預處理；

步驟S4，提取預處理后的所述合成圖像中的人臉特征信息；

步驟S5，根據提取的所述人臉特征信息更新所述人臉特征模型庫中的人臉特征模型。

上述的訓練方法，其中，所述步驟S5中，基于卷積神經網絡對所述人臉特征模型庫中的所述人臉特征模型進行更新。

上述的訓練方法，其中，所述步驟S5中，基于所述卷積神經網絡對所述人臉特征模型庫中的所述人臉特征模型進行更新的具體方法為：

采用限制波爾曼機從所述人臉特征信息的概率樣本中抽取第二預設數量的所述概率樣本，以訓練所述卷積神經網絡對所述人臉特征模型庫中的所述人臉特征模型進行更新；

其中，未被抽取的所述概率樣本的概率已知。

上述的訓練方法，其中，所述步驟S2中，所述人臉樣本圖像與所述標準修飾圖像通過在所述人臉樣本圖像的基礎上疊加所述標準修飾圖像的方式相結合，形成相應的所述合成圖像。

上述的訓練方法，其中，所述步驟S2中，所述預設策略為將所述人臉樣本圖像一次與一個所述標準修飾圖像相結合，形成所述第一預設數量的所述合成圖像。

上述的訓練方法，其中，所述步驟S2中，所述預設策略還包括將所述人臉樣本圖像一次與多個所述標準修飾圖像相結合。

上述的訓練方法，其中，所述標準修飾圖像為標準墨鏡圖像，標準胡須圖像，標準發型圖像，標準口罩圖像，標準帽子圖像，標準化妝圖像以及標準人臉塑性變形圖像中的一種或多種。

上述的訓練方法，其中，所述步驟S1中，所述人臉樣本圖像存儲于一人臉數據庫中。

一種人臉特征模型的訓練裝置，包括一存儲模塊，所述存儲模塊存儲有一人臉特征模型庫；

其中，所述存儲模塊中還存儲有一標準修飾圖像庫，所述標準修飾圖像庫包括第一預設數量的標準修飾圖像；

所述訓練裝置還包括：

輸入模塊，用于輸入待識別的人臉樣本圖像；

圖像合成模塊，分別與所述輸入模塊和所述存儲模塊連接，用于基于一預設策略將所述人臉樣本圖像分別與每個所述標準修飾圖像相結合，形成相應的合成圖像；

預處理模塊，與所述圖像合成模塊連接，用于對每個所述合成圖像進行預處理；

特征提取模塊，與所述預處理模塊連接，用于提取預處理后的所述合成圖像中的人臉特征信息；

訓練模塊，分別與所述存儲模塊和所述特征提取模塊連接，用于根據提取的所述人臉特征信息更新所述人臉特征模型庫中的人臉特征模型。

上述的訓練方法，其中，所述訓練模塊基于卷積神經網絡對所述人臉特征模型庫中的所述人臉特征模型進行更新。

有益效果：本發明提出的人臉特征模型的訓練方法及裝置，能夠有效地避免人臉識別對象的修飾特征對人臉特征提取的影響，以保證人臉特征的準確提取，人臉識別的準確度高，可靠性高。

附圖說明

圖1為本發明一實施例中人臉特征模型的訓練方法的步驟流程圖；

圖2為本發明一實施例中圖像合成前的人臉樣本圖像的示意圖；

圖3為本發明一實施例中合成圖像的示意圖；