The invention discloses a scrambled face recognition method based on variable hierarchical joint information bottleneck, including steps: 1) training data set preprocessing; 2) model definition and initialization; 3) data batch forward propagation; 4) loss function calculation; 5) back propagation calculation gradient, update weight; 6) iterative training, repeating steps 3) to 5) until the whole model converges; 7) testing model results; Input the face image in the test set and get the final classification result through the whole model. The method is trained under three data sets of ORL, CMUPIE and PUBFIG and tested on the test set. The results show that the method can achieve the highest recognition accuracy under different scrambling operations.
【技术实现步骤摘要】
一种基于变分级联信息瓶颈的置乱人脸识别方法
本专利技术涉及图像处理的
,尤其是指一种基于变分级联信息瓶颈的置乱人脸识别方法。
技术介绍
伴随着近年来互联网、计算机视觉与摄像设备的快速发展,智能化视频监控技术在很多现实场景中具有越来越广泛的应用。在很多公共场所,智能化视频监控起到实时安保和可视化管理的职能更是难以取代。然而科技是把双刃剑,视频监控给我们的生活带来便利的同时也带来了隐私的泄露问题。在很多现有的应用中,特别是在警方进行犯罪调查的时候,往往需要获得大量包含隐私信息的视频内容,类似的应用还有商场的实时监控系统等。这些应用造成了隐私保护与系统可用性之间的矛盾,一方面我们希望系统能保护无辜用户的隐私,另一方面我们又希望能遍历所有用户的隐私内容以便找出我们希望的目标。在人类的众多生物特征信息中,脸部作为个人最关键的信息,我们认为对个人的隐私保护可以归结为对人脸的信息保护。那么视频监控中的隐私保护做法就可以通过对人脸信息的隐藏达到保护用户隐私。在这个前提下进行目标人物检索可以满足隐私与可用性的矛盾。因此为了实现这一目的,我们首先需要找到一个能保护隐私的方法,传统的加密技术对信息会造成不可避免的失真并且大部分加密算法复杂度较大,而视频监控对于信息传输实时性与安全性有较高要求,因此在现实应用的场景上,图像加密技术由于其耗时耗能往往只能用于系统后端离线的处理中。不过在加密技术之中有一种朴素的图像置乱,其通过将像素进行打乱达到信息加密,于此同时,置乱操作一般都是可逆的,因此理论上是可以恢复原始图像信息,是一种理想的图像加密技术的替换手段。为此我们采用直接对置乱 ...
【技术保护点】
1.一种基于变分级联信息瓶颈的置乱人脸识别方法,其特征在于,包括以下步骤:1)训练数据集预处理对训练数据集中的图像进行归一化操作以及置乱操作;2)模型定义与初始化定义级联信息瓶颈的变分人工神经网络,该人工神经网络结构包括变分自编码器与感知机分类器,从而构成级联信息瓶颈;对变分自编码器和感知机分类器进行权值初始化;3)数据分批次前向传播将训练数据集按分层采样分成多个子集,每个子集先进入变分自编码器进行编码得到流形同胚下的低维流形特征,再将流形特征输入到感知机分类器进行训练;4)损失函数计算计算变分自编码器的损失函数值;将低维压缩特征传入感知机分类器,将特征映射至标签空间;利用标签和感知机分类器计算交叉熵损失函数值,与变分损失加权求和得到损失函数值;5)反向传播计算梯度和更新权值利用得到的损失函数值,对变分自编码器和感知机分类器进行反向传播得到对应模型中权值的梯度,再通过梯度下降更新模型的权值;6)迭代训练,将步骤3)到步骤5)重复执行直到整个模型收敛;7)测试模型结果,输入测试集中的人脸图像,通过整个模型得到最终的分类结果。
【技术特征摘要】
1.一种基于变分级联信息瓶颈的置乱人脸识别方法,其特征在于,包括以下步骤:1)训练数据集预处理对训练数据集中的图像进行归一化操作以及置乱操作;2)模型定义与初始化定义级联信息瓶颈的变分人工神经网络,该人工神经网络结构包括变分自编码器与感知机分类器,从而构成级联信息瓶颈;对变分自编码器和感知机分类器进行权值初始化;3)数据分批次前向传播将训练数据集按分层采样分成多个子集,每个子集先进入变分自编码器进行编码得到流形同胚下的低维流形特征,再将流形特征输入到感知机分类器进行训练;4)损失函数计算计算变分自编码器的损失函数值;将低维压缩特征传入感知机分类器,将特征映射至标签空间;利用标签和感知机分类器计算交叉熵损失函数值,与变分损失加权求和得到损失函数值;5)反向传播计算梯度和更新权值利用得到的损失函数值,对变分自编码器和感知机分类器进行反向传播得到对应模型中权值的梯度,再通过梯度下降更新模型的权值;6)迭代训练,将步骤3)到步骤5)重复执行直到整个模型收敛;7)测试模型结果,输入测试集中的人脸图像,通过整个模型得到最终的分类结果。2.根据权利要求1所述的一种基于变分级联信息瓶颈的置乱人脸识别方法,其特征在于:在步骤1)中,所述训练数据集预处理包括以下步骤:2.1)对图像的RBG三个通道进行规范化映射至[-1,1]范围;2.2)原始图片上的像素位置记为二维坐标图像进行置乱操作后的像素位置记为图像大小为M×M,进行三种置乱操作,第一种Anorld置乱为第二种Fabonacci置乱第三种为Hilbert置乱为3.根据权利要求1所述的一种基于变分级联信息瓶颈的置乱人脸识别方法,其特征在于:在步骤2)中,对于模型定义与初始化,定义级联信息瓶颈的变分人工神经网络,包括变分自编码器f(·|Wf,bf)与感知机分类器g(·|Wg),变分自编码器有L层对应L个权值矩阵其中Wfl表示第l层的权值矩阵,WfL表示最后一层的权值矩阵,偏置项表示第l层偏置项,表示最后一层偏置项;对变分自编码器的每一层权值和感知机分类器权值Wg进行初始化,如公式(1)所示:其中,ω是维度与每层的权重大小一致的矩阵,对于第i行j列元素ωij,有ωij采样自标准正态分布,Din为每层网络的输入维度,第l层偏置项服从均值为0标准差为0.01的正态分布。4.根据权利要求1所述的一种基于变分级联信息瓶颈的置乱人脸识别方法,其特征在于:在步骤3)中,所述数据分批次前向传播,包括以下步骤:3.1)将原始数据集按类别进行分层采样分成每份64个样本大小的子集x=(x1,x2,...,xi,...,xN),其中N为子集的个数,xi表示第i个数据子集;3.2)将每个子集放入变分自编码器前向传播,得到:αi=f(xi|Wf,bf)(2)其中,f(xi|Wf,bf)表示在权值为Wf和偏置为bf的...
【专利技术属性】
技术研发人员:沃焱,林志勇,韩国强,
申请(专利权)人:华南理工大学,
类型:发明
国别省市:广东,44
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。