The invention discloses a face recognition method based on feature reuse, which belongs to the technical field of computing and reckoning, and in particular relates to the technical field of computer vision for face recognition. This method uses external data sets to train face feature extractors, extracts the reference features of each member of local data sets by multiple equal-step convolution and feature map mosaic to form a reference feature space, compares the feature vectors and reference features of the test samples to determine the most similar reference features to the feature vectors of the test samples, and identifies the most similar reference features with the feature vectors of the test samples. When the most similar reference feature of feature vector meets the threshold requirement, the identity of the member of the reference feature which is the most similar to the feature vector of the sample to be tested is taken as the identity of the sample to be tested. Otherwise, the failure message of the identification of the sample to be tested is returned, and the fast face recognition is realized with less computing resources.
【技术实现步骤摘要】
一种基于特征复用的人脸识别方法
本专利技术公开了一种基于特征复用的人脸识别方法,属于计算推算的
,尤其涉及人脸识别的计算机视觉
技术介绍
人脸识别技术已经广泛运用于门禁、安检、监控等方面,其主要任务是区分数据库中的不同个体并拒绝数据库之外的个体。在实际应用中,人的相貌特征会受到装扮、表情的影响且因姿势、光照而变化,同一个人的正面图片也会随时间的推移而出现不同。为增加算法的鲁棒性,在识别过程中,有必要在特定情况下更新模型。传统的方法是重新收集样本再次训练,这种做法费时费力,难以操作。现有的在线学习方法通过提取人脸的浅层特征(如:Haar特征、LBP特征)进行比对,在视频中识别并跟踪给定的人脸。在这种应用场景下,把目标人脸和周围的一个或多个人脸区分开,只需要辨别很少的样本;同时,在视频包含的小段时间内,人脸特征变化较小,因此,图像的浅层特征可以在一定程度上表征人脸特征。但是,人脸门禁、考勤等任务需要分辨包含数百人的数据库,在相当长的一段时间内,每个人的相貌都会有所改变,浅层特征难以处理如此复杂的任务。深度神经网络提高了模型的辨识度,但网络的训练耗费大量的运算资源和时间,变更模型时需要将在离线服务器上训练好的模型重新导入人脸识别设备;另一方面,神经网络结构固定,增加/删除成员时同样需要再次训练,为实际应用带来不便。上述人脸识别技术存在计算量大、占用较多计算资源、准确率有待提高的缺陷,为提高人脸识别准确率并减少占用的计算机资源,本申请旨在提出一种基于特征复用的人脸识别方法。
技术实现思路
本专利技术的专利技术目的是针对上述
技术介绍
的不足,提供了一种基于 ...
【技术保护点】
1.一种基于特征复用的人脸识别方法,其特征在于,利用外部数据集训练人脸特征提取器,通过多次等步长卷积及特征图拼接的方式分级提取本地数据集中各成员对应的参考特征以构成参考特征空间,对比待测试样本的特征向量和参考特征以确定与待测试样本的特征向量最相似的参考特征,在与待测试样本的特征向量最相似的参考特征满足阈值要求时,以与待测试样本的特征向量最相似的参考特征所属成员的身份为待测试样本的身份,否则,返回待测试样本身份识别失败的消息。
【技术特征摘要】
1.一种基于特征复用的人脸识别方法,其特征在于,利用外部数据集训练人脸特征提取器,通过多次等步长卷积及特征图拼接的方式分级提取本地数据集中各成员对应的参考特征以构成参考特征空间,对比待测试样本的特征向量和参考特征以确定与待测试样本的特征向量最相似的参考特征,在与待测试样本的特征向量最相似的参考特征满足阈值要求时,以与待测试样本的特征向量最相似的参考特征所属成员的身份为待测试样本的身份,否则,返回待测试样本身份识别失败的消息。2.根据权利要求1所述一种基于特征复用的人脸识别方法,其特征在于,人脸特征提取器通过包含至少一个稠密连接块的卷积神经网络实现,每个稠密连接块包含至少两个依次连接的同步长卷积层,当前卷积层输出的特征图和该卷积层之前所有卷积层输出的特征图拼接后作为至下一卷积层的输入特征图,每一个稠密连接块输出的特征图都经降采样后传输至下一稠密连接块的输入端。3.根据权利要求2所述一种基于特征复用的人脸识别方法,其特征在于,对最后一个稠密连接块输出的特征图再进行卷积操作和均值池化操作得到输入至分类层的特征向量。4.根据权利要求2所述一种基于特征复用的人脸识别方法,其特征在于,输入至第一个稠密连接块的特征图通过对输入网络的初始样本进行卷积及降采样操作获取。5.根据权利要求1所述一种基于特征复用的人脸识别方法,其特征在于,所述...
【专利技术属性】
技术研发人员:陆生礼,庞伟,周世豪,向家淇,范雪梅,泮雯雯,
申请(专利权)人:东南大学,
类型:发明
国别省市:江苏,32
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。