[發(fā)明專利]基于深度卷積模型的黃種人臉識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710664796.4
• 申請(qǐng)日: 2017-08-07
• 公開(kāi)（公告）號(hào): CN107545243A
• 公開(kāi)（公告）日: 2018-01-05
• 發(fā)明（設(shè)計(jì)）人: 田青;毛軍翔;夏詩(shī)禹;夏文俊;宋燁
• 申請(qǐng)（專利權(quán)）人: 南京信息工程大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06N3/04;G06N3/08;G06F17/30
• 代理公司: 江蘇愛(ài)信律師事務(wù)所32241
• 代理人: 趙贊贊

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，尤其涉及一種基于深度卷積模型的黃種人臉識(shí)別方法。

背景技術(shù)

現(xiàn)今，隨著計(jì)算機(jī)視覺(jué)的相關(guān)理論與應(yīng)用研究的迅速發(fā)展，計(jì)算機(jī)視覺(jué)技術(shù)在日常生活中應(yīng)用的優(yōu)越性也日益凸顯。同時(shí)，信息化時(shí)代中個(gè)體身份的鑒別變得相當(dāng)重要，它的正確與否和信息安全性息息相關(guān)。因此，如何利用計(jì)算機(jī)視覺(jué)在進(jìn)行身份鑒定的同時(shí)確保信息安全已經(jīng)成為日前炙手可熱的關(guān)鍵問(wèn)題之一。

人臉識(shí)別本質(zhì)上是一種生物基本特征的識(shí)別方法，采集手段簡(jiǎn)單方便、隱蔽性強(qiáng)，于個(gè)人信息管理系統(tǒng)、金融消費(fèi)驗(yàn)證系統(tǒng)、公共場(chǎng)所監(jiān)控系統(tǒng)、人機(jī)對(duì)話交互系統(tǒng)等領(lǐng)域均擁有廣泛的應(yīng)用前景。因此，深入研究人臉識(shí)別系統(tǒng)于人機(jī)交互、安全、娛樂(lè)等方面具有重要的理論和實(shí)際意義。

目前，已有的人臉識(shí)別相關(guān)研究取得了較為豐碩的成果，形成了多種識(shí)別算法，但在光線和姿態(tài)等不斷變化的復(fù)雜環(huán)境條件下，現(xiàn)有算法均存在較大缺陷，極大限制了現(xiàn)有算法的應(yīng)用范圍。

現(xiàn)有主要的人臉識(shí)別算法如下：

a)傳統(tǒng)方法(通常基于ORL、AR、Yale、PIE等小規(guī)模人臉數(shù)據(jù)集)，因訓(xùn)練規(guī)模有限，所得人臉識(shí)別器的推廣識(shí)別能力受限。

b)基于深度學(xué)習(xí)的方法，基于LFW(主要為西方人)訓(xùn)練庫(kù)進(jìn)行人臉識(shí)別器訓(xùn)練，因缺少來(lái)自東方人的訓(xùn)練樣本，因而對(duì)亞洲人人臉識(shí)別能力受限。

綜上所述，現(xiàn)有方法訓(xùn)練得到的人臉識(shí)別器因訓(xùn)練規(guī)模的限制以及亞洲黃種人人臉訓(xùn)練庫(kù)的缺失，導(dǎo)致其對(duì)黃種人臉識(shí)別能力受限嚴(yán)重。

發(fā)明內(nèi)容

本發(fā)明提供一種基于深度卷積模型的黃種人臉識(shí)別方法，用以解決現(xiàn)有的人臉識(shí)別方法不能對(duì)黃種人臉進(jìn)行精準(zhǔn)識(shí)別的問(wèn)題。

為了解決上述問(wèn)題，本發(fā)明提供了一種基于深度卷積模型的黃種人臉識(shí)別方法，包括如下步驟：

步驟1：采用深度卷積網(wǎng)絡(luò)對(duì)從LFW數(shù)據(jù)庫(kù)中采集的西方人臉圖像進(jìn)行預(yù)訓(xùn)練，建立人臉識(shí)別初始模型，其具體步驟如下：

aa)從LFW數(shù)據(jù)庫(kù)中獲取1萬(wàn)張西方人臉圖像；

ab)采用Adaboost算法對(duì)每張西方人臉圖像中的人臉區(qū)域進(jìn)行檢測(cè)，并對(duì)檢測(cè)到的人臉區(qū)域進(jìn)行摳取處理，以刪除每張西方人臉圖像的中的非人臉區(qū)域；

ac)采用Landmarks算法對(duì)每張經(jīng)過(guò)摳取處理的西方人臉圖像進(jìn)行人臉對(duì)齊處理；

ad)將每張經(jīng)過(guò)人臉對(duì)齊處理的西方人臉圖像的像素縮放至100×100；

ae)采用深度卷積網(wǎng)絡(luò)對(duì)經(jīng)縮放處理的西方人臉圖像進(jìn)行訓(xùn)練，建立人臉識(shí)別初始模型；

步驟2：采用人臉識(shí)別初始模型對(duì)黃種人臉圖像進(jìn)行精訓(xùn)練，建立黃種人臉識(shí)別模型，其具體步驟如下所示：

ba)從網(wǎng)絡(luò)上獲取2萬(wàn)張黃種人臉圖像；

bb)采用Adaboost算法對(duì)每張黃種人臉圖像中的人臉區(qū)域進(jìn)行檢測(cè)，并對(duì)檢測(cè)到的人臉區(qū)域進(jìn)行摳取處理，以刪除每張黃種人臉圖像的中的非人臉區(qū)域；

bc)采用Landmarks算法對(duì)每張經(jīng)過(guò)摳取處理的黃種人臉圖像進(jìn)行人臉對(duì)齊處理；

bd)將每張經(jīng)過(guò)人臉對(duì)齊處理的黃種人臉圖像的像素縮放至100×100；

be)將經(jīng)過(guò)縮放處理的黃種人臉圖像放入所述人臉識(shí)別初始模型中進(jìn)行訓(xùn)練，建立黃種人臉識(shí)別模型；

步驟3：采用所述黃種人臉識(shí)別模型對(duì)一待識(shí)別的人臉圖像進(jìn)行識(shí)別，其具體步驟如下所示：

ca)獲取一待識(shí)別的人臉圖像；

cb)采用Adaboost算法對(duì)所述待識(shí)別的人臉圖像中的人臉區(qū)域進(jìn)行檢測(cè)，并對(duì)檢測(cè)到的人臉區(qū)域進(jìn)行摳取處理，以刪除所述待識(shí)別的人臉圖像的中的非人臉區(qū)域；

cc)采用Landmarks算法對(duì)經(jīng)過(guò)摳取處理的待識(shí)別的人臉圖像進(jìn)行人臉對(duì)齊處理；

cd)將經(jīng)過(guò)人臉對(duì)齊處理的待識(shí)別的人臉圖像的像素縮放至100×100；

ce)采用所述黃種人臉識(shí)別模型對(duì)經(jīng)過(guò)縮放處理的待識(shí)別的人臉圖像進(jìn)行識(shí)別，以提取所述待識(shí)別的人臉圖像的面部特征。

本發(fā)明提供的基于深度卷積模型的黃種人臉識(shí)別方法，首先對(duì)基于LFW人臉庫(kù)的人臉圖像進(jìn)行深度卷積模型(CNN)的預(yù)訓(xùn)練(pre-training)，建立人臉識(shí)別的初始模型，然后采用所述人臉識(shí)別的初始模型對(duì)基于網(wǎng)絡(luò)下載的黃種人臉圖集進(jìn)行深度人臉模型的精細(xì)訓(xùn)練(fine-tuning)，借助以上遷移學(xué)習(xí)技術(shù)，訓(xùn)練得到識(shí)別能力更強(qiáng)大的黃種人識(shí)別模型，從而大大提高了人臉識(shí)別器對(duì)亞洲黃種人臉識(shí)別能力。

附圖說(shuō)明