[發明專利]一種基于多通道卷積神經網絡的身份識別方法

在審

• 申請號: 201811274782.2
• 申請日: 2018-10-30
• 公開（公告）號: CN109344909A
• 公開（公告）日: 2019-02-15
• 發明（設計）人: 代豪;黃紫丞;林立強
• 申請（專利權）人: 咪付（廣西）網絡技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于多通道卷積神經網絡的身份識別方法，包括訓練神經網絡和身份識別步驟，采用正面圖像、側面剪影圖像和垂直投影圖像三個正交視角的時間同步圖像進行綜合訓練和識別，很好地避免了單一視角欺騙，具有較高的識別精度和抗干擾能力；本發明方法通過一個全連接層將三個通道的特征數據加權連接，并通過多個卷積層、池化層獲取圖像特征數據，最后由分類器得出類別概率，提取最大概率與設定閾值進行對比確定識別結果。通過多個視角通道提取更全面的人體特征，配合多通道的神經網絡模型，能更好的糅合人體多個角度的特征，泛化能力更好，從而實現較好的識別效果。

技術領域

本發明涉及人工智能技術領域，尤其涉及一種基于多通道卷積神經網絡的身份識別方法。

背景技術

隨著人工智能技術的不斷發展，人臉識別技術日趨成熟，人臉識別由于具有非強制性、非接觸性、操作簡單、結果直觀、隱蔽性好等特點已廣泛用于政府、軍隊、銀行、社會福利保障、電子商務、安全防務等領域。但由于人臉的外形很不穩定，人可以通過臉部的變化產生很多表情，而在不同觀察角度，人臉的視覺圖像也相差很大，因而目前人臉識別技術也存在不少局限性。此外，人臉識別還容易受各種外界環境及干擾條件的影響，比如人像的采集對周圍的光線環境敏感，光線不同很大程度上會影響識別的準確性，而人體面部的頭發、胡須、各種飾物等遮擋物以及人臉變老等因素也對識別率有較大影響。

卷積神經網絡(Convolutional Neural Network，CNN)是近年發展起來，并引起廣泛重視的一種高效識別方法。目前卷積神經網絡是各種深度神經網絡中應用最廣泛的一種，并在機器視覺、計算機圖形學、自然語言處理等諸多領域得到了成功的應用，特別是在機器視覺的很多問題上都取得了當前最好的效果。卷積神經網絡以其局部權值共享的特殊結構，使其布局更接近于實際的生物神經網絡，權值共享降低了網絡的復雜性，特別是多維輸入向量的圖像可以直接輸入網絡這一特點避免了特征提取和分類過程中數據重建的復雜度。

發明內容

針對現有人臉識別技術的缺陷與不足，本發明提出一種基于多通道卷積神經網絡的身份識別方法，在識別過程中采用正面圖像、側面剪影圖像和垂直投影圖像三個視角的時間同步圖像進行綜合識別，提高了身份識別的準確性與識別效率。

為實現以上發明目的，采用的技術方案是：

一種基于多通道卷積神經網絡的身份識別方法，包括以下步驟：

S1：神經網絡訓練：

S11：圖像獲取與標記：對攝像頭采集的目標的正面圖像、側面剪影圖像和垂直投影圖像進行讀取，采用逐步讀取的方式，將圖像數據緩存進內存中，并完成注冊目標標記；

S12：訓練神經網絡：重復選取不同的時間同步圖像組輸入卷積神經網絡進行訓練，得到訓練好的神經網絡；所述時間同步圖像組為同一時刻采集到的同一目標的正面圖像、側面剪影圖像和垂直投影圖像的圖像集合；

S2：身份識別：

S21：采集待識別目標的正面圖像、側面剪影圖像和垂直投影圖像的時間同步圖像組；

S22：將待識別目標的時間同步圖像組輸入訓練好的神經網絡，計算待識別目標與己注冊目標特征的相似度，依據相似度的大小進行身份預測，并輸出識別結果。

優選地，所述卷積神經網絡擁有針對不同圖像的多通道，每個通道包含一個特征提取模塊和一個感知模塊。

優選地，所述步驟S12具體如下：

S121：通過卷積神經網絡通道1的特征提取模塊提取注冊目標正面圖像的人體特征，包括人臉和耳朵特征序列，分別輸入到卷積神經網絡通道1的感知模塊計算出預測結果；