[發(fā)明專利]一種基于動態(tài)Spiking神經(jīng)網(wǎng)絡(luò)的人臉識別方法

在審

• 申請?zhí)枺?/td>: 201810585279.2
• 申請日: 2018-06-08
• 公開（公告）號: CN108846349A
• 公開（公告）日: 2018-11-20
• 發(fā)明（設(shè)計(jì)）人: 屈鴻;張馬路;張季倫;陳珊;陳一;肖艷清
• 申請（專利權(quán)）人: 電子科技大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 成都弘毅天承知識產(chǎn)權(quán)代理有限公司 51230
• 代理人: 李龍

本發(fā)明公開了一種基于動態(tài)Spiking神經(jīng)網(wǎng)絡(luò)的人臉識別方法，涉及圖像處理技術(shù)領(lǐng)域，本發(fā)明包括以下步驟：S1、將人臉圖像轉(zhuǎn)換為灰度像素，獲得灰度圖；S2、對灰度圖進(jìn)行特征提取，得到灰度圖區(qū)域特征關(guān)聯(lián)的低維特征；S3、將低維特征的特征強(qiáng)度轉(zhuǎn)換為脈沖時(shí)間序列；S4、多張人臉圖像對Spiking神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到動態(tài)Spiking神經(jīng)網(wǎng)絡(luò)；S5、將待識別人臉圖像依次經(jīng)過S1?S3處理后得到的脈沖時(shí)間序列輸入至S4得到的動態(tài)Spiking神經(jīng)網(wǎng)絡(luò)中，根據(jù)調(diào)整權(quán)值與動態(tài)Spiking神經(jīng)網(wǎng)絡(luò)中已有的神經(jīng)元的權(quán)值進(jìn)行比較，權(quán)值最接近的神經(jīng)元的類別便是待識別人臉圖像的類別，本發(fā)明創(chuàng)造性地使用了動態(tài)Spiking神經(jīng)網(wǎng)絡(luò)，相較于傳統(tǒng)的Spiking圖像識別方法，顯著提高了識別效率。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，更具體的是涉及一種基于動態(tài)Spiking神經(jīng)網(wǎng)絡(luò)的人臉識別方法。

背景技術(shù)

人臉識別是在圖形學(xué)、計(jì)算機(jī)科學(xué)與技術(shù)和模式識別等相關(guān)學(xué)科領(lǐng)域的基礎(chǔ)上出現(xiàn)的一個(gè)新的研究方向，通過提取人類特征的方式對人類進(jìn)行判別時(shí)，把人臉作為依據(jù)是最簡潔的方式。雖然人臉識別技術(shù)從出現(xiàn)到現(xiàn)在只有幾十年，但已經(jīng)成為當(dāng)下比較熱門的研究課題之一。尤其是在人工智能時(shí)代，隨著科學(xué)技術(shù)的快速發(fā)展和人們對于安全又智能生活的追求，對人臉識別技術(shù)的有效性、方便性、快捷性等方面的要求越來越高。

Spiking神經(jīng)網(wǎng)絡(luò)作為第三代神經(jīng)網(wǎng)絡(luò)，關(guān)注脈沖發(fā)放的時(shí)間，適合在芯片上實(shí)現(xiàn)。但是絕大部分監(jiān)督或非監(jiān)督用于脈沖神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法均具有固定結(jié)構(gòu)，其中隱藏層和輸出層的大小必須事先指定，并且以離線批處理模式訓(xùn)練，因此，這些方法只能應(yīng)用于類或簇的數(shù)量已知的情況下；此外，這些方法不能應(yīng)用于數(shù)據(jù)連續(xù)改變的問題，因?yàn)樗鼈儗⑿枰匦掠?xùn)練舊的和新的數(shù)據(jù)樣本。然而，生物神經(jīng)網(wǎng)絡(luò)因其連續(xù)學(xué)習(xí)和增量學(xué)習(xí)的能力而眾所周知，這使他們能夠持續(xù)適應(yīng)不斷變化的非穩(wěn)定環(huán)境，因此，為了允許SNN(SpikingNeuron Networks，脈沖神經(jīng)網(wǎng)絡(luò))與連續(xù)變化的環(huán)境交互，有必要使其結(jié)構(gòu)和權(quán)重動態(tài)地適應(yīng)新數(shù)據(jù)，此外，當(dāng)學(xué)習(xí)新信息時(shí)，應(yīng)避免災(zāi)難性干擾或遺忘。

發(fā)明內(nèi)容

本發(fā)明的目的在于：為了解決現(xiàn)有技術(shù)對人臉識別高度依賴于樣本的類別的問題，本發(fā)明提供一種基于動態(tài)Spiking神經(jīng)網(wǎng)絡(luò)的人臉識別方法。

本發(fā)明為了實(shí)現(xiàn)上述目的具體采用以下技術(shù)方案：

一種基于動態(tài)Spiking神經(jīng)網(wǎng)絡(luò)的人臉識別方法，包括以下步驟：

S1、將人臉圖像轉(zhuǎn)換為灰度像素，獲得灰度圖；

S2、對灰度圖進(jìn)行特征提取，得到灰度圖區(qū)域特征關(guān)聯(lián)的低維特征；

S3、將低維特征的特征強(qiáng)度轉(zhuǎn)換為脈沖時(shí)間序列；

S4、使用多張人臉圖像對Spiking神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練

將多張人臉圖像依次經(jīng)過S1-S3處理后，分別得到相對應(yīng)的脈沖時(shí)間序列，根據(jù)每個(gè)脈沖時(shí)間序列中脈沖的精確時(shí)間來調(diào)整對應(yīng)的初始權(quán)值，得到調(diào)整權(quán)值，然后進(jìn)行權(quán)值學(xué)習(xí)，根據(jù)每張人臉圖像的標(biāo)簽、調(diào)整權(quán)值以及Spiking神經(jīng)網(wǎng)絡(luò)中已有的神經(jīng)元來共同判斷是否增加新的神經(jīng)元，當(dāng)所有的人臉圖像均輸入到Spiking神經(jīng)網(wǎng)絡(luò)后，得到穩(wěn)定的動態(tài)Spiking神經(jīng)網(wǎng)絡(luò)；

S5、對待識別人臉圖像進(jìn)行識別

將待識別人臉圖像依次經(jīng)過S1-S3處理后得到的脈沖時(shí)間序列輸入至S4得到的動態(tài)Spiking神經(jīng)網(wǎng)絡(luò)中，根據(jù)輸入的脈沖時(shí)間序列中脈沖的精確時(shí)間來調(diào)整初始權(quán)值，得到相應(yīng)的調(diào)整權(quán)值，將該調(diào)整權(quán)值與動態(tài)Spiking神經(jīng)網(wǎng)絡(luò)中已有的神經(jīng)元的權(quán)值進(jìn)行比較，找出與該調(diào)整權(quán)值最接近的權(quán)值的神經(jīng)元，該神經(jīng)元的類別便是待識別人臉圖像的類別。

進(jìn)一步的，所述S2中，利用PCA降維的方法對灰度圖進(jìn)行特征提取。