[發明專利]一種基于多任務級聯卷積神經網絡的面部識別方法

在審

• 申請號: 201810957956.9
• 申請日: 2018-08-22
• 公開（公告）號: CN110858274A
• 公開（公告）日: 2020-03-03
• 發明（設計）人: 武玉亭;張曉林;范宇
• 申請（專利權）人: 北京航天長峰科技工業集團有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明涉及一種基于多任務級聯卷積神經網絡的面部識別方法，對原始輸入視頻圖像、人工拍照圖像利用多任務級聯卷積神經網絡進行人臉檢測，定位人臉所在區域進行剪裁與放縮，進而在同尺寸的剪裁圖像中得到雙眼、兩嘴角與鼻子五個關鍵點坐標；對所有剪裁圖片中的五個特征點分別求平均，計算得到平均人臉模型；將待對齊的人臉圖像以平均人臉為基準進行普氏變換，得到對齊后的圖像；對對齊后的人臉圖像進行識別、驗證。

技術領域

本發明屬于數字圖像處理技術領域，涉及一種面部識別方法，特別一種基于多任務級聯卷積神經網絡的面部識別方法。

背景技術

人臉驗證、人臉識別是計算機視覺領域的研究熱點，同時在安防、金融等領域有著大量的應用需求。人臉識別的主要思想是將采集到的人臉圖像通過定位人面部的一系列特征點而對人臉進行定位，而后通過數學方法將采集到的人臉轉化為標準的人臉圖像，進而交給驗證、識別算法進行判斷。由于通過相機、攝像頭采集的圖像有著拍攝角度不一，被拍目標頭部動作不一的特點，使得人臉驗證、人臉識別的算法設計難度大、準確率低。

發明內容

本發明的目的在于提供一種基于多任務級聯卷積神經網絡的面部識別方法，能夠降低驗證、識別算法的設計難度，且能夠提升識別的準確率。

本發明的技術方案如下：

一種基于多任務級聯卷積神經網絡的面部識別方法，其特征在于包括以下步驟：

(1)對原始輸入視頻圖像、人工拍照圖像利用多任務級聯卷積神經網絡進行人臉檢測，定位人臉所在區域進行剪裁與放縮，進而在同尺寸的剪裁圖像中得到雙眼、兩嘴角與鼻子五個關鍵點坐標；

(2)對所有剪裁圖片中的五個特征點分別求平均，計算得到平均人臉模型；

(3)將待對齊的人臉圖像以步驟(2)中得到的平均人臉為基準進行普氏變換，得到對齊后的圖像；

(4)對對齊后的人臉圖像進行識別、驗證。

本發明通過對監測視頻、人工照相采集的人臉圖像進行平均人臉模型計算，在實際應用時對測試圖像進行普氏變換，使其轉化為標準的正面照片，進而提供驗證、識別算法進行訓練學習與判斷推理，方法遷移能力強，適應性好，能降低驗證、識別算法的難度，且具有顯著的準確率提升。

具體實施方式

本發明具體包括以下步驟：

步驟一、對原始輸入視頻圖像、人工拍照圖像利用多任務級聯卷積神經網絡進行人臉檢測，定位人臉所在區域進行剪裁與放縮，進而在同尺寸的剪裁圖像中得到雙眼、兩嘴角與鼻子五個關鍵點坐標；

步驟二、對所有剪裁圖片中的五個特征點分別求平均，計算得到平均人臉模型；

步驟三、對待對齊圖像以步驟二所得平均人臉模型為標準進行仿射變換(普氏變換)，得到對齊后的圖像。設待對齊圖像的五個特征點組成的矩陣為A(A∈R^5*2)，標準圖像為B(B∈R^5*2)，具體步驟為：

分別計算待對齊圖與標準圖五個特征點的中心位置(均值)，分別記作C₁、C₂∈R^1*2，之后針對兩張圖的特征點分別進行中心化處理(即減去均值)；

分別計算待對齊圖與標準圖五個特征點坐標的標準差(反應人臉的大小尺寸水平)，分別記作S₁、S₂∈R^1*1，之后針對兩張圖的特征點分別進行歸一化處理(即除以標準差)；

計算A^TB的奇異值分解：U∑V^T＝A^TB，則令R＝VU^T，則R即為反映旋轉的線性變換陣；