[發明專利]基于卷積神經網絡的人臉信息識別方法

有效

• 申請號: 202110375280.4
• 申請日: 2021-04-07
• 公開（公告）號: CN112906668B
• 公開（公告）日: 2023-08-25
• 發明（設計）人: 任金鵬;劉云翔;原鑫鑫;熊婷婷;肖巖
• 申請（專利權）人: 上海應用技術大學
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06N3/08;G06V10/24
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 胡晶

1.一種基于卷積神經網絡的人臉信息識別方法，其特征在于，包括以下步驟：

S1，收集人臉圖片，對人臉圖片進行分類和標注，將標注的結果存入對應的CSV文件中，將人臉圖片按照年齡和性別分類進行整理存放，獲得Adience人臉數據集；

S2，對Adience人臉數據集中人臉圖片進行預處理，然后根據預訓練好的人臉檢測模型MTCNN判斷圖片中是否具有人臉，如有則標記人臉位置；

S3，將檢測到的人臉區域裁剪下來，再把模糊的圖像利用彩色直方圖均衡化進行增強；

S4，對每一張人臉圖片，根據需要選定標簽符合規定值區間的圖片，不符合的人臉圖片則丟棄；

S5，對于篩選后的人臉圖片進行一系列的隨機的包括裁剪、旋轉、翻轉在內的操作，讓有限的圖片數據產生更多的等價圖片數據；

S6，對上述人臉圖片以及性別和年齡標簽，設計一個人臉識別卷積神經網絡模型，將其命名為Remon_Net；

S7，對于處理后的人臉圖片數據和標定的人臉信息分類結果，輸入給所設計好的的人臉識別卷積神經網絡模型Remon_Net進行參數訓練直至收斂；

S8，利用訓練好的人臉識別卷積神經網絡模型Remon_Net對視頻輸入流進行人臉信息預測，對屬于預先規定的種類的目標進行框選，得到人臉區域以及類別信息；

步驟S2中包括以下步驟：

S21，使用現有的Adience人臉數據集，并對該數據進行整合，去除無效文件并整合標簽文件；

S22，搭建現有的人臉檢測模型MTCNN，并將整合好的人臉數據集輸入給該模型訓練，直至參數收斂得到訓練好的人臉檢測模型MTCNN；

S23，將訓練好的人臉檢測模型應用到步驟S1中的Adience人臉數據集上；

步驟S3包括以下步驟：

S31，對于檢測到的人臉區域，將原始人臉圖片包括頭發部分進行截取；

S32，采用彩色圖像直方圖均衡化的方法對部分模糊的圖像進行增強；

S33，對于步驟S32中的彩色圖像直方圖均衡化，當圖像發生非線性延展時，像素值重新分配，最后輸出的圖像是頂端平滑的不連續直方圖；

S34，對彩色圖像的三通道都做均衡化處理，最后再合并輸出；

步驟S6包括以下步驟：

S61，人臉識別卷積神經網絡模型Remon_Net設計八層卷積，前四層卷積提取基本特征，后四層卷積提取高級特征；

S62，對上述的八層卷積選用小尺寸的卷積核；

S63，對于上述每層卷積之間的激活函數采用Relu函數，并使用學習率調整功能來監視損失值的變化以調整學習率；

S64，將上述特征提取網絡的輸出共享給兩個分類器，年齡分類器和性別分類器，年齡分類器最終輸出年齡區間段，而性別分類器輸出人臉圖片的性別標簽；

步驟S8包括以下步驟：

S81，接收未知人臉圖片或者利用攝像頭采集的視頻流數據并按時間幀截取，將一段時間序列的數據記錄保存到計算機存儲中進行輸入；

S82，對于上述的圖像數據，使用訓練好的人臉檢測模型MTCNN進行人臉的檢測以及人臉區域的回歸，如沒有檢測到人臉則丟棄該圖像數據，否則保存該數據；

S83，對于檢測到人臉的這一圖像數據，將圖片中所有人臉區域輸入到訓練好的人臉識別卷積神經網絡模型Remon_Net進行預測，輸出每個人臉區域的人臉信息數據；

S84，將所有的檢測結果進行整合，對應每一個人臉區域的位置，包括人臉大小、年齡、性別在內的屬性，并將其實時返回輸出在視頻流窗口中。