【技术实现步骤摘要】
一种基于多任务卷积神经网络的人脸检索方法
本专利技术涉及人工智能、模式识别和数字图像处理等
,特别是涉及一种基于多任务卷积神经网络的人脸检索方法。
技术介绍
目前,随着人类科学技术的不断发展,人脸识别技术在人们日常生活中越来越普及,无论在人工智能研究还是公共安全应用方面,人脸识别技术一直是一项前沿、热门技术,拥有举足轻重的地位。作为生物特征识别技术的一类,人脸识别由于其非接触性以及采集方便的特点,具有良好的发展和应用前景。人脸识别技术在诸多应用场景中都发挥了十分重要的作用,比如机场安检,边检通关等。近几年随着互联网金融的高速发展,人脸识别技术在移动支付上表现出极大的应用优势。人脸识别的目的是根据获取的用户人脸图像或视频得知用户的身份。目前,人脸识别技术在室外非受控环境下仍无法满足实用要求,其主要难点在于光照变化、用户姿态表情变化、年龄体型变化及遮挡。近年来,深度学习在机器视觉的众多领域都取得了令人瞩目的效果。其中最为瞩目的模型当属卷积神经网络,该类模型使用多层卷积层与池化层,可以抽取图像或视频数据中有效的层级化特征,实现较强的非线性表达。卷积神经网络在物体分类,动作识别,图像分割以及人脸识别等领域,均取得了显著强于传统方法的效果。在一些低层视觉问题中,例如图像去噪、图像超分辨率增强和图像去模糊等问题中,深度学习技术也都取得了不错的效果。在人脸识别领域,基于神经网络与深度学习的人脸识别方法也由于其优异的性能而备受关注,目前国内外领先的人脸识别算法大多基于深度学习模型。基于深度学习的人脸识别方法通常分为两个步骤:首先使用神经网络模型对输入的人脸图像计算一 ...
【技术保护点】
一种基于多任务卷积神经网络的人脸检索方法,其特征在于,包括以下步骤:第一步:对于需要进行人脸识别的任意一张人脸影像,检测获取其中的人脸位置,并根据所获取的人脸位置,检测获取人脸影像的关键点位置;第二步:根据所述人脸影像的人脸位置和关键点位置,对所述人脸影像进行预处理操作;第三步:预先建立多任务卷积神经网络,然后将预设标准大小的人脸影像输入到所述多任务卷积神经网络中,对所述多任务卷积神经网络进行训练,直到使得所述多任务卷积神经网络的模型收敛而完成训练;第四步:将所述经过预处理操作的人脸影像,输入到所述完成训练的多任务卷积神经网络中,获得所述人脸影像对应的身份特征表达向量和多个属性特征表达向量;第五步:预先建立人脸特征数据库,所述人脸特征数据库中预先存储多个已知用户身份的候选人脸影像及每个候选人脸影像对应的身份特征表达向量和多个属性特征表达向量;第六步:将所述人脸影像对应的身份特征表达向量与所述人脸特征数据库中预先存储的每个候选人脸影像具有的身份特征表达向量逐一进行对比并实时计算相似度,根据所获得的相似度,按照相似度从大到下的顺序对应排序,输出所述人脸特征数据库中预先存储的多个候选人脸影像 ...
【技术特征摘要】
1.一种基于多任务卷积神经网络的人脸检索方法,其特征在于,包括以下步骤:第一步:对于需要进行人脸识别的任意一张人脸影像,检测获取其中的人脸位置,并根据所获取的人脸位置,检测获取人脸影像的关键点位置;第二步:根据所述人脸影像的人脸位置和关键点位置,对所述人脸影像进行预处理操作;第三步:预先建立多任务卷积神经网络,然后将预设标准大小的人脸影像输入到所述多任务卷积神经网络中,对所述多任务卷积神经网络进行训练,直到使得所述多任务卷积神经网络的模型收敛而完成训练;第四步:将所述经过预处理操作的人脸影像,输入到所述完成训练的多任务卷积神经网络中,获得所述人脸影像对应的身份特征表达向量和多个属性特征表达向量;第五步:预先建立人脸特征数据库,所述人脸特征数据库中预先存储多个已知用户身份的候选人脸影像及每个候选人脸影像对应的身份特征表达向量和多个属性特征表达向量;第六步:将所述人脸影像对应的身份特征表达向量与所述人脸特征数据库中预先存储的每个候选人脸影像具有的身份特征表达向量逐一进行对比并实时计算相似度,根据所获得的相似度,按照相似度从大到下的顺序对应排序,输出所述人脸特征数据库中预先存储的多个候选人脸影像,从而获得候选人脸影像列表;第七步:将所述人脸影像对应的多个属性特征表达向量,分别与所述候选人脸影像列表中每个候选人脸影像对应的多个属性特征表达向量逐一进行对比并实时计算相似度,获得所述人脸影像与每个候选人脸影像之间的多个相似度得分;第八步:对所述人脸影像与每个候选人脸影像之间的多个相似度得分分别进行归一化处理后进行分数融合,获得所述人脸影像与每个候选人脸影像之间的融合相似度得分;第九步:按照融合相似度得分的从大到下的顺序,对所述候选人脸影像列表中的多个候选人脸影像进行重新排序,重新排序后获得的候选人脸影像列表即为对所述人脸影像进行人脸识别检索的结果。2.如权利要求1所述的方法,其特征在于,所述第二步具体包括以下步骤:预先定义一个标准人脸所具有的关键点位置和光照条件;通过预设的图像变换算法将所述人脸影像的关键点位置对齐至标准人脸的关键点位置;通过预设的图像处理算法,对所述经过对齐处理后的人脸影像进行光线校正,使得所述经过对齐处理后的人脸影像的光照条件变换至所述标准人脸具有的光照条件。3.如权利要求2所述的方法,其特征在于,预先定义一个标准人脸所具有的关键点位置和光照条件具体为:预先根据多个人脸影像的关键点位置信息和光照条件,通过求平均计算,获得所述标准人脸具有的关键点位置和光照条件。4.如权利要求1所述的方法,其特征在于,所述多任务卷积神经...
【专利技术属性】
技术研发人员:孙哲南,赫然,谭铁牛,宋凌霄,曹冬,李琦,
申请(专利权)人:天津中科智能识别产业技术研究院有限公司,
类型:发明
国别省市:天津,12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。