[發明專利]基于深度神經網絡的人臉識別方法

有效

• 申請號: 201810048222.9
• 申請日: 2018-01-18
• 公開（公告）號: CN108304788B
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 王峰;高新波;王楠楠
• 申請（專利權）人: 陜西炬云信息科技有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06K9/62;G06N3/04;G06V10/74
• 代理公司: 西安新思維專利商標事務所有限公司 61114
• 代理人: 李罡

本發明涉及一種基于深度神經網絡的人臉識別方法。其通過在簡化網絡結構，降低計算時間代價的情況下實現高的識別正確率。本發明采用的方法步驟包括人臉檢測，人臉對齊，特征提取和身份比對；所述的人臉檢測、對齊的方法為：采用由粗到細的自動編碼網絡(CFAN)檢測5個面部關鍵點，根據檢測到的5個面部關鍵點旋轉裁剪校準成256×256×3像素的正姿態人臉圖片，通過級聯多個棧式自編碼網絡，在越來越高分辨率的人臉圖像上逐步優化人臉對齊結果；所述的特征提取和身份比對的方法為：采用10層深度人臉網絡來提取人臉特征，所述的10層深度人臉網絡包括7個卷積層和3個全連接層，通過訓練和測試兩部分進行區別。

技術領域

本發明涉及一種基于深度神經網絡的人臉識別方法。

背景技術

人臉識別，是基于人的臉部特征信息進行身份識別的一種生物識別技術。用攝像機或攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行臉部的一系列相關技術，通常也叫做人像識別、面部識別。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，已有30多年的研發歷史。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。因而，魯棒的人臉特征表示在人臉識別上至關重要。

人臉識別是計算機視覺和機器學習最典型的課題，當前的人臉識別技術主要被應用到了以下幾個方面：

(1)刑偵破案公安部門在檔案系統里存儲有嫌疑犯的照片，當作案現場或通過其他途徑獲得某一嫌疑犯的照片或其面部特征的描述之后，可以從數據庫中迅速查找確認，大大提高了刑偵破案的準確性和效率。

(2)證件驗證在許多場合(如海口，機場，機密部門等)證件驗證是檢驗某人身份的一種常用手段，而身份證，駕駛證等很多其他證件上都有照片，使用人臉識別技術，就可以由機器完成驗證識別工作，從而實現自動化智能管理。

(3)視頻監控在許多銀行，公司，公共場所等處都設有24小時的視頻監控。當有異常情況或有陌生人闖入時，需要實時跟蹤，監控，識別和報警等。這需要對采集到的圖像進行具體分析，且要用到人臉的檢測，跟蹤和識別技術。

(4)入口控制，入口控制的范圍很廣，既包括了在樓宇，住宅等入口處的安全檢查，也包括了在進入計算機系統或情報系統前的身份驗證。

(5)表情分析根據人臉圖像中的面部變化特征，識別和分析人的情感狀態，如高興，生氣等。此外，人臉識別技術還在醫學，檔案管理，人臉動畫，人臉建模，視頻會議等方面也有著巨大的應用前景。

一般來說，傳統的人臉識別系統有四大模塊：人臉檢測，人臉對齊、特征提取和身份鑒定。眾所周知，人臉識別最大的挑戰就是人與人之間的外貌差別太小，和人臉內部的外觀變化，比如發型、表情、年齡和光照的改變。在過去的10年里，人臉表示大多基于人工編碼的局部描述和基于淺層學習的表示模型。隨著深度學習技術的快速發展，人臉表示也變得更加有效，特別是在實際應用的復雜場景中。與之前的人工編碼方法比較，深度學習的人臉識別是以數據驅動的方式來學習的，它可以保證更好的驗證性能。

在過去的幾十年里，很多人臉識別方法是基于幾何特征，如Gabor小波，局部二元模式(LBP)及其高尺寸變異，尺度不變特征變換(SIFT)，方向梯度直方圖(HOG)，定向邊值模式，局部量化模式(LQP)等，然而，設計一個有效的特征描述器需要大量的專業知識和工作。

除了基于集合特征的人臉識別方法外，基于學習的人臉識別方法也倍受歡迎。基于過濾器學習的方法最大化了對人臉的鑒別能力，它在許多預先訓練的對象篩選器中對人臉進行識別，基于編碼學習的方法被用來提高人臉識別的魯棒性。

最近，人臉特征被中級或高級語義信息來進行描述，例如，湯姆和彼得分類器利用大量的人臉分類的輸出分數對具有高級語義的人臉進行編碼。與深度學習方法不同，上述方法仍然是淺層模型，主要依靠人臉的幾何特征。