一种人脸特征识别方法技术

本发明专利技术涉及一种人脸特征识别方法，其包括：将含有人脸标签信息的人脸图片依次输入卷积神经网络和自编码和度量学习结合的训练网络中，生成度量学习算法得到的模型，将含有人脸标签信息的人脸1024维的特征向量输入度量学习算法得到的模型中，得到人脸128维的特征向量；计算任意两个128维的特征向量的欧氏距离，并得到最佳的判别阈值；将两个人脸测试图片依次输入卷积神经网络和度量学习算法得到的模型中，得到两个人脸测试图片的128维特征向量，并计算其欧氏距离，将两个人脸测试图片之间的欧氏距离与判别阈值进行比较，根据比较结果判定两个人脸测试图片是否属于同一个人。本发明专利技术能够有效地提高人脸识别的准确率。

【技术实现步骤摘要】

【技术保护点】
一种人脸特征识别方法，其包括以下步骤：1)将含有人脸标签信息的人脸图片输入卷积神经网络中，利用卷积神经网络对输入的人脸图片进行卷积和池化处理，将每一张人脸图片表示为一个1024维的特征向量；2)在度量学习算法中加入自编码算法的代价函数，得到自编码和度量学习结合的训练网络；将步骤1)中获得的含有人脸标签信息的人脸1024维的特征向量输入自编码和度量学习结合的训练网络中，生成度量学习算法得到的模型；3)将含有人脸标签信息的人脸1024维的特征向量输入度量学习算法得到的模型中，得到人脸128维的特征向量；4)计算含有人脸标签信息的人脸图片中任意两个128维的特征向量的欧氏距离，并根据所有计算得到的欧式距离，计算得到最佳的判别阈值Th；5)将两个人脸测试图片输入卷积神经网络中，得到两个人脸测试图片的1024维特征向量X1和X2；6)将两个人脸测试图片的1024维特征向量X1和X2都输入度量学习算法得到的模型中，得到两个人脸测试图片的128维特征向量Z1和Z2；7)计算两个人脸测试图片的128维特征向量Z1和Z2之间的欧式距离D；8)将两个人脸测试图片之间的欧氏距离D与判别阈值Th进行比较，如果D≤Th，则判定这两个人脸测试图片属于同一个人；否则，这两个人脸测试图片不属于同一个人。...

【技术特征摘要】

【专利技术属性】
技术研发人员：熊风烨，白洪亮，董远，
申请(专利权)人：北京飞搜科技有限公司，
类型：发明
国别省市：北京;11