[發明專利]一種融合紅外圖像訓練的人臉識別網絡構建方法

有效

• 申請號: 202010216058.5
• 申請日: 2020-03-25
• 公開（公告）號: CN111401292B
• 公開（公告）日: 2023-05-26
• 發明（設計）人: 黃俊潔;閆超;羅冬林
• 申請（專利權）人: 成都東方天呈智能科技有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/774;G06V10/82;G06N3/0464;G06N3/084
• 代理公司: 成都佳劃信知識產權代理有限公司 51266
• 代理人: 史姣姣

本發明公開了一種融合紅外圖像訓練的人臉識別網絡構建方法，包括采用卷積層、批歸一化層、修正線性單元層和深度可分離卷積層封裝成網絡單塊；從前至后按卷積層、批歸一化層、修正線性單元層和網絡單塊依次堆疊得到網絡塊，堆疊4個網絡塊得到主干網絡，并在主干網絡后依次插入隨機失活層和全連層，以得到網絡模型；將人臉的RGB圖像與人臉對應的紅外圖像堆疊融合成四通道圖像，做為訓練數據輸入至網絡模型；利用附加角度間隔的柔性最大值損失函數計算訓練集樣本的真實標簽與全連接層輸出的預測結果之間的損失值；隨機初始化網絡模型的網絡參數，并設定超參數；采用隨機梯度下降法作為網絡優化策略，重復計算直至損失值收斂得到最優的網絡模型。

技術領域

本發明涉及人臉識別技術領域，尤其是一種融合紅外圖像訓練的人臉識別網絡構建方法。

背景技術

隨著信息時代逐步地推進，各種智能產品滲入到人們的四周，讓人們的日常生活變得越來越便捷。但是伴隨著這種便捷，人們也涉及到更多的個人信息交換，個人信息如若丟失會帶來自身的經濟損失和人身傷害，所以身份驗證成為現在隨處可見的流程，只有身份驗證通過才能提取個人隱私信息。其中，生物識別技術是身份驗證領域中常用的手段，主要通過分析比較人類的生物特征來鑒別身份，常用的生物特征有人臉、虹膜、指紋等等，人臉特征可通過非接觸式操作采集，其具有操作簡單、便捷等優點。因此，衍生出人臉識別技術這一重要的研究分支。人臉識別技術可以幫助復工人員非接觸式打卡上班，對未佩戴口罩的情況進行預警，而且結合紅外攝像頭可以精準地檢測員工體溫，從而幫助企業加快復工進程，減少員工感染的情況；目前大多數省市的火車站、汽車站、辦公樓都設有人臉識別溫度安檢門，利用攝像頭進行人臉識別，并且使用溫度傳感器或紅外檢測器檢測溫度，將測溫、人臉識別功能合為一體，提高識別精度。由此可見，人臉識別技術具有較高的應用價值。

基于傳統圖像處理的人臉識別方法主要通過利用手工特征進行識別任務，但是手工特征的提取需要憑借人工經驗，泛化性弱，容易受識別物體的變化影響，所以目前主流的人臉識別方法都應用了深度學習技術，利用卷積神經網絡提取的卷積特征具有更豐富的語義信息，能更好地擬合人臉目標，取得更為優秀的識別結果。

目前，基于深度學習技術的人臉識別方法大致可以分為兩類：

第一類，是基于距離度量學習的人臉識別方法，該方法的核心思想是通過距離度量來描述人臉樣本的特征，如眼與嘴之間的相對距離，常用的距離有馬氏距離、明可夫斯基距離、歐式距離等等。在方法實施時需搭建一個深度神經網絡，還要根據樣本特性設計對應的損失函數，較好的損失函數能更好的鑒別距離度量，理想狀態是讓樣本在度量空間中同類聚集，異類發散，經典的損失函數有三元組損失和對比損失。雖然這類方法操作簡單，但是使用距離作為度量標準，在識別目標發生尺度變化時會受到較大的影響。

第二類，是基于間隔的人臉識別方法，基于第一類方法的基礎上改進。主要改進點是在設計損失函數時引入間隔約束，能增加網絡模型的識別能力，用于增大類間距離，縮小類內距離，從而優化網絡模型的決策邊界。但是這些損失函數公式中涉及了多個超參數，稍有偏差都會影響模型的性能，需人工細心地調試。

由此可見，目前基于深度學習的算法大多數使用的是可見光圖像，其算法的性能會受所處的環境因素影響，降低識別精度，如光照變化、人臉遮擋、臉部表情等等因素，使用時存在部分局限性。

因此，急需要構建一種融合紅外圖像訓練的人臉識別網絡，以及解決可見光圖像存在的問題。

發明內容

針對上述問題，本發明的目的在于提供一種融合紅外圖像訓練的人臉識別網絡構建方法，本發明采用的技術方案如下：

一種融合紅外圖像訓練的人臉識別網絡構建方法，包括以下步驟：

采用卷積層、批歸一化層、修正線性單元層和深度可分離卷積層封裝成網絡單塊；