[發明專利]一種基于BP神經網絡的人臉識別方法及系統

有效

• 申請號: 201910364884.1
• 申請日: 2019-04-30
• 公開（公告）號: CN111652021B
• 公開（公告）日: 2023-06-02
• 發明（設計）人: 吳英平
• 申請（專利權）人: 上海錸鍶信息技術有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/82;G06N3/084;G06V10/74
• 代理公司: 杭州鈐韜知識產權代理事務所(普通合伙) 33329
• 代理人: 羅國新;唐靈

本發明涉及人臉識別技術領域，公開了一種基于BP神經網絡的人臉識別方法，所述方法包括：根據一人臉識別模型，獲取待識別的人臉圖像的特征向量，并計算所述待識別的人臉圖像的特征向量與每一個注冊人臉圖像的特征向量的初始余弦距離；根據一BP神經網絡模型，獲取所述待識別的人臉圖像的強化特征向量，并計算所述待識別的人臉圖像的強化特征向量與每一個注冊人臉圖像的強化特征向量的強化余弦距離；計算所述待識別的人臉圖像對應的多個總余弦距離；在所述多個總余弦距離中，最小的總余弦距離所對應的注冊人臉圖像的類別為所述待識別的人臉圖像的類別。相應的，本發明還公開了一種基于BP神經網絡的人臉識別系統。本發明提高了人臉識別的效果。

技術領域

本發明涉及人臉識別技術領域，尤其涉及一種基于BP神經網絡的人臉識別方法及系統。

背景技術

人臉識別技術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，進而對檢測的人臉進行識別的一系列相關技術。人臉識別系統最初使用的模型是針對10575個人臉類別數的訓練集訓練好的識別模型，通過提取特征、計算余弦距離等過程，完成人臉的匹配識別。公布號為CN?108182427A的專利申請中，公布一種基于深度學習模型和遷移學習的人臉識別方法，所述方法包括：對源圖像及目標圖像進行預處理并設置對應標簽，源圖像數量為M，目標圖像數量為N，MN；建立分類器輸出維度為M的源神經網絡；基于源圖像特征和標簽構建源數據集并用源數據集對源神經網絡進行訓練，通過神經網絡BP算法優化模型參數，得到源訓練模型；建立分類器輸出維度為N的目標神經網絡并用源訓練模型的參數對目標神經網絡初始化，基于目標圖像特征和標簽構建目標數據集并用目標數據集對目標神經網絡進行訓練，得到動態-K更新算法進行梯度下降法優化模型參數，進而得到目標訓練模型；通過目標訓練模型進行圖像識別。其中，BP(back?propagation)神經網絡是1986年由Rumelhart和McClelland為首的科學家提出的概念，是一種按照誤差逆向傳播算法訓練的多層前饋神經網絡，是目前得到廣泛應用的神經網絡之一。

在人臉識別系統的使用中，用戶注冊了新的類別的人臉，在人臉識別系統的最初模型對用戶注冊的新類別的人臉也有不錯的效果，但是如何在人臉識別系統的使用過程中，進一步提高人臉識別的效果，是本發明要解決的技術問題。

發明內容

本發明的目的在于提供一種基于BP神經網絡的人臉識別方法及系統，以提高人臉識別的效果。

為實現上述目的，本發明提供了一種基于BP神經網絡的人臉識別方法，所述方法包括：根據一預設的人臉識別模型對待識別的人臉圖像進行特征提取，獲取所述待識別的人臉圖像的特征向量，并計算所述待識別的人臉圖像的特征向量與人臉注冊庫中的每一個注冊人臉圖像的特征向量的初始余弦距離；根據一預設的BP神經網絡模型，獲取所述待識別的人臉圖像的強化特征向量，并計算所述待識別的人臉圖像的強化特征向量與所述人臉注冊庫中的每一個注冊人臉圖像的強化特征向量的強化余弦距離；根據每一個初始余弦距離和每一個強化余弦距離，計算所述待識別的人臉圖像對應的多個總余弦距離；在所述多個總余弦距離中，最小的總余弦距離所對應的注冊人臉圖像的類別為所述待識別的人臉圖像的類別。根據該技術方案，既能保留所述人臉識別模型的泛化能力，又強化了針對注冊人臉圖像的識別能力。