[發明專利]一種基于小樣本學習的面容分類識別系統

有效

• 申請號: 202011010423.3
• 申請日: 2020-09-23
• 公開（公告）號: CN112149564B
• 公開（公告）日: 2023-01-10
• 發明（設計）人: 劉淑寶;院旺;唐俊姝;宋海川;謝源;馬利莊
• 申請（專利權）人: 上海交通大學煙臺信息技術研究院
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/774;G06V10/764;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 丁云

本發明涉及一種基于小樣本學習的面容分類識別系統，包括：用戶端：用于獲取人臉圖像并展示分類識別結果；服務器：存儲有預先經小樣本學習訓練的分類識別網絡，所述的分類識別網絡輸入為待分類識別的人臉圖像，輸出為人臉圖像所對應的類別；所述的用戶端和服務器通過網絡連接。與現有技術相比，本發明系統的實用性和可遷移性大大增強，識別正確率和精度高。

技術領域

本發明涉及一種面容識別系統，尤其是涉及一種基于小樣本學習的面容識別系統。

背景技術

人臉特征識別技術，可以追溯到20世紀50年代，當時的研究人員主要涉及的是社會心理學領域；從20世紀70年代開始，采用的基本上都是典型的模式識別技術，利用手工設計特征的方式來提取臉部特征，例如利用臉部重要特征點之間的距離進行分類識別。隨著計算機的發展，從80年代到90年代初期，基于人臉的統計識別方法得到了很大的發展。

傳統的特征提取方法是基于大量人臉數據訓練而來的，但對于一些特殊面容的臉部，該種方法將會失準，從而無法對其進行正確的分類識別；與此同時，現有的面容分類識別系統實用性和可遷移性較差。

發明內容

本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種基于小樣本學習的面容識別系統。

本發明的目的可以通過以下技術方案來實現：

一種基于小樣本學習的面容分類識別系統，包括：

用戶端：用于獲取人臉圖像并展示分類識別結果；

服務器：存儲有預先經小樣本學習訓練的分類識別網絡，所述的分類識別網絡輸入為待分類識別的人臉圖像，輸出為人臉圖像所對應的類別；

所述的用戶端和服務器通過網絡連接。

優選地，所述的用戶端包括：

圖像獲取模塊：用于獲取圖像；

人臉檢測器：用于檢測圖像中是否含有人臉，若含有人臉則輸出至服務器，否則提示重新獲取。

優選地，所述的圖像獲取模塊獲取圖像的方式包括如下至少一種方式：相機拍照、調取圖庫照片。

優選地，所述的人臉檢測器包括harr級聯分類器。

優選地，所述的分類識別網絡包括依次連接的卷積神經網絡和全連接分類網絡，所述的卷積神經網絡輸入為人臉圖像，輸出為人臉特征，所述的全連接分類網絡輸入為人臉特征，輸出為分類向量。

優選地，所述的卷積神經網絡為ResNet50。

優選地，所述的分類識別網絡具體訓練過程為：

S11、獲取不同類型的面容圖像，并進行擴充得到訓練集和測試集；

S12、將訓練集中的圖像輸入至卷積神經網絡得到人臉特征，并將該人臉特征輸入全連接分類網絡，得到分類向量，通過分類向量和分類標簽確定分類損失代價函數值；

S13、根據分類損失代價函數值和訓練參數采用隨機梯度下降法在訓練集上訓練卷積神經網絡和全連接分類網絡，當卷積神經網絡和全連接分類網絡在人臉數據訓練集上的損失小于0.005的時候，停止訓練；

S14、基于小樣本學習，去除全連接分類網絡，設置訓練集上各個類別的卷積神經網絡提取的特征均值作為分類層參數，從而得到分類向量；

S15、利用測試集對分類識別網絡進行測試驗證。

優選地，步驟S11中的擴充操作包括圖片旋轉、裁剪、縮放。

優選地，所述的服務器利用Django構建而成，在構建過程中使用uWSGI server替代WSGI server。