[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

本發明涉及計算機視覺技術領域，公開了一種基于卷積神經網絡的人臉信息識別方法，先對原始人臉圖像進行分割、對齊等處理，避免了背景、角度對于分類效果的影響，通過設計好的網絡模型將分割對齊后的人臉數據進行輸入，特征提取部分使用八層卷積神經網絡，然后使用兩個完全連接的模塊作為性別識別和年齡識別的分類器。本發明克服了傳統方法沒辦法解決位置、旋轉等對于分類效果的影響，可以更準確地通過面部來預測人的性別和年齡。

技術領域

本發明涉及計算機視覺技術領域，特別涉及一種基于卷積神經網絡的人臉信息識別方法。

背景技術

當今時代，像深度學習、人工智能等前沿技術正不斷融入人們的日常中，甚至小到生活中隨處可見的自動售貨機，也已經開始使用刷臉支付等方式。而人臉的檢測與識別早已不是什么遙不可及的事情，但在對于根據人臉識別性別和年齡這一研究領域還處在相對空白的階段。人臉擁有大量的有用信息，并且這些信息具有穩定性、自然性和唯一性，是鑒別一個人的有效途徑。同時人臉識別技術也是人機信息交互的不可或缺的成分，并且由于該技術無需接觸，很大程度上提高了對用戶的友好程度，因此近幾年以人臉識別的技術在市場上占有很大的比重，發展也比較迅速。

基于人臉的信息識別，通過獲取人臉的圖片或者視頻，人臉信息特征的提取是人臉識別的前提工作，信息特征提取的準確性將會很大程度上影響人臉識別的效果，而反過來，在人臉識別準確率高的基礎上，再對人臉圖片進行人臉識別有著廣泛的應用場景。

發明內容

本發明針對目前對人臉識別中人臉性別和年齡判斷存在的空白，提出了一種基于卷積神經網絡的人臉信息識別方法。

為了解決上述技術問題，本發明的技術方案為：

一種基于卷積神經網絡的人臉信息識別方法，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，比如規定的年齡范圍，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。

較佳的，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。

較佳的，步驟S3包括以下步驟：