[發明專利]一種低數據成本的人臉識別的方法及裝置

在審

• 申請號: 202110569931.3
• 申請日: 2021-05-25
• 公開（公告）號: CN113378660A
• 公開（公告）日: 2021-09-10
• 發明（設計）人: 顧友良;楊子龍;李觀喜;張哲為;丁博文;程煜鈞;張磊
• 申請（專利權）人: 廣州紫為云科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06T5/50
• 代理公司: 廣州名揚高玥專利代理事務所(普通合伙) 44738
• 代理人: 郭琳

1.一種低數據成本的人臉識別的方法，其特征在于，所述方法包括如下步驟：

步驟1，構建KSlope-curve轉換器并對KSlope-curve轉換器進行訓練以得到一個高精準度的轉換器；

步驟2，在完成KSlope-curve轉換器的訓練后，進行人臉識別的時候就可以通過轉換器將人臉特征轉成KSlope-curve曲線，通過計算曲線之間斜率分布的均方差誤差實現人臉識別的數據計算。

2.如權利要求1所述的一種低數據成本的人臉識別的方法，其特征在于，所述步驟1進一步包括如下步驟：

步驟101，數據增強拼接，對每一張人臉圖片做4種不同的數據增強操作，分別是：水平翻轉、單通道灰度圖轉換、直方圖均衡化、人臉區域隨機遮擋，將得到的4張結果圖片跟原始圖片按照通道維度進行拼接，這樣就得到了一張包含13個通道的人臉特征圖；

步驟102，提取圖片特征，用深度學習技術中卷積神經網絡對所述步驟101得到的圖片進行特征提取，采用大寬度的網絡結構，提取5種不同操作的同一張人臉圖中的共性特征，得到一張四維的特征圖，最后通過特征展平的方式將其拉成一維的特征向量，并做L2歸一化，具體公式為：

V＝Norm_l2(flat(f(x,w)))

其中，x為網絡輸入的圖片特征，w為網絡參數，Norm表示l2歸一化；

步驟103，時序特征分析處理：將所述步驟102歸一化后得到的特征整體綜合起來進行時序分析；

步驟104，KSlope-curve曲線拐點坐標生成，通過線性或非線性回歸的方式將所述步驟103中得到的特征向量統計分析，最終得到長度為2n的特征向量，所代表的就是KSlope-curve曲線n個拐點的X和Y坐標值；

步驟105，損失函數計算，在得到的每一個拐點坐標信息后，計算每兩個相鄰點的斜率K，將每個K進行拼接就得到了KSlope-curve曲線總的斜率分布，計算損失函數，并完成對KSlope-curve轉換器進行訓練。

3.如權利要求2所述的一種低數據成本的人臉識別的方法，其特征在于，所述步驟103進一步包括：采用具有記憶能力的網絡，在所述網絡的結構中設置特殊的隱含層，所述隱含層將重要的特征記錄、匯總、輸出，其中，在進行時序分析時不改變特征向量的維度。

4.如權利要求3所述的一種低數據成本的人臉識別的方法，其特征在于，所述步驟103進一步包括：用sigmoid函數對得到的坐標進行歸一化處理，這使得輸出值在0到1之間，接下來每個坐標都相加一個常數，常數大小跟拐點的索引位置有關，索引位置越大，常數就越大，通過這種方式可以保證拐點之間的連線一定是一條沿著X軸方向遞延的曲線。

5.如權利要求3所述的一種低數據成本的人臉識別的方法，其特征在于，所述通過計算曲線之間斜率分布的均方差誤差實現人臉識別的數據計算進一步包括：同一個人不同的人臉圖片得到的KSlope-curve斜率分布是相似的，可通過均方差誤差求差值，具體公式如下：

其中，m代表相鄰k的個數，k表示兩個相鄰點的斜率。

6.一種低數據成本的人臉識別的裝置，其特征在于，包括：KSlope-curve轉換器，構建KSlope-curve轉換器并對KSlope-curve轉換器進行訓練以得到一個高精準度的轉換器；在完成KSlope-curve轉換器的訓練后，進行人臉識別的時候就可以通過轉換器將人臉特征轉成KSlope-curve曲線，通過計算曲線之間斜率分布的均方差誤差實現人臉識別的數據計算。