[發明專利]一種基于L1范數神經網絡的人臉檢索方法及裝置

在審

• 申請號: 201710651807.5
• 申請日: 2017-08-02
• 公開（公告）號: CN107239583A
• 公開（公告）日: 2017-10-10
• 發明（設計）人: 范為銓;李東
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06K9/00;G06K9/62;G06N3/02
• 代理公司: 北京集佳知識產權代理有限公司11227
• 代理人: 羅滿

技術領域

本發明涉及人臉識別領域，更具體地說，涉及一種基于L1范數神經網絡的人臉檢索方法與裝置。

背景技術

隨著科學技術的發展，人臉檢索技術也得到了快速發展。人臉檢索這項技術可以從某一個人上傳的一張照片中搜索出這個人的在網上的其他照片。例如用戶在社交網站中的相冊中，為一張照片的人物加上姓名，系統就可以利用人臉檢索技術自動為同一相冊中相同人臉的其他照片都加上這個姓名。另外，在搜索引擎中也有應用到人臉檢索這項技術實現“以圖搜圖”，也就是利用一張圖片可以檢索出與圖片中的人臉相同的其他所有圖片。

但是目前人臉檢索技術的精度普遍不高，尤其在雙胞胎方面幾乎沒辦法區分，而精度較高的人臉檢索技術，檢索時間又會很長。

因此，如何提高人臉檢索精度并且降低檢索時間，是本領域技術人員需要解決的問題。

發明內容

本發明的目的在于提供一種基于L1范數神經網絡的人臉檢索方法，以提高人臉檢索精度并且降低檢索時間。

為實現上述目的，本發明實施例提供了如下技術方案：

一種基于L1范數神經網絡的人臉檢索方法，包括：

S101，利用毛孔訓練樣本與基于L1范數的代價函數得到神經網絡；

S102，將測試圖像預處理得到灰度人臉圖像；

S103，將所述灰度人臉圖像遍歷分塊得到多塊人臉區域圖像塊；

S104，將檢索庫中未經過匹配的一張待匹配圖像遍歷分塊得到多塊待匹配區域圖像塊；

S105，將所述人臉區域圖像塊與所述待匹配圖像塊利用所述神經網絡進行匹配，得到匹配塊總數；

S106，判斷所述匹配塊總數是否大于等于預設閾值，若是，則將此次的待匹配圖像作為檢索結果，停止檢索，若否，則返回S104。

其中，所述S101包括：

將毛孔訓練樣本輸入初始毛孔特征描述子生成網絡，得到初始特征描述子；

利用初始特征描述子最小化基于L1范數的代價函數，訓練得到目標毛孔特征描述子生成網絡；

利用初始全連接層得到所述初始特征描述子的匹配結果，利用所述匹配結果與毛孔訓練樣本標簽的差值，訓練得到目標全連接層，其中所述目標全連接層與所述目標特征描述子生成網絡組成神經網絡。

其中，所述S105包括：

S301，將一塊未匹配的人臉區域圖像塊與一塊未匹配的待匹配圖像塊用所述目標毛孔特征描述子生成網絡得到第一特征描述子與第二特征描述子；

S302，利用所述目標全連接層判斷所述第一特征描述子與所述第二特征描述子是否匹配，若是，則將匹配塊總數加一。

S303，判斷人臉區域圖像塊與待匹配圖像塊是否都已進行過匹配操作，若是，則停止匹配，若否，則返回S301。

其中，所述S102包括：

截取所述測試圖像的人臉部分圖像；

將所述人臉部分圖像進行灰度化處理得到灰度圖像；

將所述灰度圖像縮放至預設尺寸，得到灰度人臉圖像。

其中，所述S103，包括：

將所述灰度人臉圖像根據預設分塊尺寸不重疊的遍歷所述灰度人臉圖像，舍去多余邊緣得到多塊人臉區域圖像塊。

一種基于L1范數神經網絡的人臉檢索裝置，包括：

神經網絡獲取模塊，用于利用毛孔訓練樣本與基于L1范數的代價函數得到神經網絡；

預處理模塊，用于將測試圖像預處理得到灰度人臉圖像；

第一分塊模塊，用于將所述灰度人臉圖像遍歷分塊得到多塊人臉區域圖像塊；

第二分塊模塊，用于將檢索庫中未經過匹配的一張待匹配圖像遍歷分塊得到多塊待匹配區域圖像塊；

匹配模塊，用于將所述人臉區域圖像塊與所述待匹配圖像塊利用所述神經網絡進行匹配，得到匹配塊總數；

判斷模塊，用于判斷所述匹配塊總數是否大于等于預設閾值，若是，則將此次的待匹配圖像作為檢索結果，停止檢索，若否，則調用所述第二分塊模塊。

其中，所述神經網絡獲取模塊，包括：

初始特征描述子獲取單元，用于將毛孔訓練樣本輸入初始毛孔特征描述子生成網絡，得到初始特征描述子；

目標毛孔特征描述子生成網絡訓練單元，用于利用初始特征描述子最小化基于L1范數的代價函數，訓練得到目標毛孔特征描述子生成網絡；