[發(fā)明專利]一種基于角度空間損失承數(shù)的人臉識別方法

在審

• 申請?zhí)枺?/td>: 202110653086.8
• 申請日: 2021-06-11
• 公開（公告）號: CN113361422A
• 公開（公告）日: 2021-09-07
• 發(fā)明（設(shè)計）人: 練智超;李婷婷;陳墨
• 申請（專利權(quán)）人: 浙江澄視科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 北京棘龍知識產(chǎn)權(quán)代理有限公司 11740
• 代理人: 李改平

1.一種基于角度空間損失承數(shù)的人臉識別方法，其特征在于，所述方法包括：

讀取人臉數(shù)據(jù)集，并對所述人臉數(shù)據(jù)集進(jìn)行預(yù)處理，獲取所述人臉數(shù)據(jù)集中的人臉圖像；

生成基于深度殘差模塊的網(wǎng)絡(luò)LResNe，并基于所述網(wǎng)絡(luò)LResNe提取所述人臉圖像中的人臉特征；

生成角度空間下自適應(yīng)間隔的損失函數(shù)，基于所述損失函數(shù)對所述人臉特征進(jìn)行分類預(yù)測和損失計算；

訓(xùn)練分類器模型，生成特征提取模型，基于所述特征提取模型進(jìn)行人臉數(shù)據(jù)的驗(yàn)證與識別。

2.根據(jù)權(quán)利要求1所述的基于角度空間損失承數(shù)的人臉識別方法，其特征在于，所述讀取人臉數(shù)據(jù)集，并對所述人臉數(shù)據(jù)集進(jìn)行預(yù)處理，獲取所述人臉數(shù)據(jù)集中的人臉圖像的步驟包括：

對所述人臉數(shù)據(jù)集進(jìn)行數(shù)據(jù)清洗，篩除臟數(shù)據(jù)；

基于MTCNN算法進(jìn)行人臉檢測，獲取人臉左眼、右眼、鼻尖、左嘴角和右嘴角五個特征點(diǎn)；

基于五個人臉特征點(diǎn)對圖片進(jìn)行仿射變換，將圖片旋轉(zhuǎn)一定角度，使兩眼為水平方向，并裁剪旋轉(zhuǎn)后的人臉圖片。

3.根據(jù)權(quán)利要求1所述的基于角度空間損失承數(shù)的人臉識別方法，其特征在于，所述生成基于深度殘差模塊的網(wǎng)絡(luò)LResNe，并基于所述網(wǎng)絡(luò)LResNe提取所述人臉圖像中的人臉特征的步驟包括：

基于一個卷積核大小為3×3、步距為2進(jìn)行卷積操作獲得圖像的淺層特征，生成特征層；

通過卷積注意力機(jī)制模塊對所述特征層進(jìn)行無效特征抑制；

基于3×3大小、步距為2的池化層對無效特征抑制后的特征層最大池化操作；

確定殘差結(jié)構(gòu)，通過所述殘差結(jié)構(gòu)對最大池化操作后的特征層進(jìn)行處理；

對處理后的特征圖進(jìn)行平均池化操作，并添加128節(jié)點(diǎn)的全連接層；所述全連接層作為輸入人臉圖像的128維特征表示；

其中，殘差塊實(shí)現(xiàn)的特征映射為：

所述X為殘差塊的輸入特征圖，F(xiàn)(X)表示殘差塊實(shí)現(xiàn)的特征映射函數(shù)，表示經(jīng)過殘差塊之后的輸出特征圖，該殘差連接結(jié)構(gòu)使得網(wǎng)絡(luò)收斂更快速。

4.根據(jù)權(quán)利要求1所述的基于角度空間損失承數(shù)的人臉識別方法，其特征在于，所述生成角度空間下自適應(yīng)間隔的損失函數(shù)，基于所述損失函數(shù)對所述人臉特征進(jìn)行分類預(yù)測和損失計算的步驟中損失函數(shù)的生成過程如下：

預(yù)測概率計算公式為：

其中，i表示輸入樣本，表示經(jīng)過上個步驟提取到的樣本特征x_i與其對應(yīng)的類別y_i的權(quán)重向量之間的角度，s_d為可動態(tài)調(diào)節(jié)的尺度參數(shù)，第t次迭代的動態(tài)比例參數(shù)可以表示為：

其中，C表示樣本總類數(shù)，為中值角變量，表示第t次迭代的大小為N的小批量的所有對應(yīng)類的角度的中值，可粗略地表示當(dāng)前網(wǎng)絡(luò)在此小批量上的優(yōu)化程度，初值設(shè)置為π/4，為的平均值，初值設(shè)置為C-1。

損失函數(shù)即為：