一种跨年龄的人脸验证方法及系统技术方案

本发明专利技术公开了一种跨年龄的人脸验证方法及系统，所述方法包括：对两幅待验证人脸图像进行预处理，得到对齐后的人脸区域图像；分别将预处理后的两幅图像进行镜面翻转、位置互换后得到八组待测图像对；将八组待测图像对作为并联卷积神经网络的每一个卷积神经网络的输入，进入输入层；对于每一个卷积神经网络，根据网络中进入输入层后的参数运算得到每组待测图像对的两个输出，两个输出对应两种类别的评分，将每组待测图像对的两个输出进行多层处理，得到八组待测图像对中较高评分对应的类别；统计所有卷积神经网络中较高评分对应的两种类别数量，将数量较多的类别作为并联卷积神经网络的结果。本发明专利技术具有实行性、验证正确率高、受年龄影响小等优点。

Method and system for cross age face verification

The invention discloses a system and a method for face verification across age, including the method of two images to verify face image preprocessing, face region image alignment after two images respectively; after the treatment of pre mirror and position swap after eight sets of test images of will; eight groups of images to be detected as a convolutional neural network parallel convolutional neural network input into the input layer; for each convolution neural network according to the network parameters into the input layer after each operation are measured in two output image, two output corresponding to the two categories of score. Each group measured two output image on the multilayer processing, eight sets of test images of high score corresponding to the two categories of higher statistical categories; all score corresponding to the convolutional neural network Quantity, and a large number of categories are used as the result of parallel convolution neural networks. The invention has the advantages of practicality, high verification accuracy and little influence by age.

【技术实现步骤摘要】

本专利技术涉及一种人脸验证方法及系统，尤其是一种跨年龄的人脸验证方法及系统，属于计算机视觉相关

技术介绍
随着现代信息技术的快速发展，进行身份认证的技术转到了生物特征层面。现代生物识别技术主要是通过计算机与高科技手段密切结合，利用人体固有的生理特性和行为特征来进行个人身份的鉴定。其中人脸识别是指人的面部五官以及轮廓的分布，这些分布特征因人而异，与生俱来。尤其是随着年龄的增长，人的面部五官有着极大地变化，而这种变化又是有一定的规律性的。这就需要通过计算机视觉领域相关知识来提高人脸验证的正确率。
技术实现思路
本专利技术的目的是为了解决上述现有技术的缺陷，提供了一种跨年龄的人脸验证方法，该方法具有实行性、验证正确率高、受年龄影响小等优点。本专利技术的另一目的在于提供一种跨年龄的人脸验证系统。本专利技术的目的可以通过采取如下技术方案达到：一种跨年龄的人脸验证方法，所述方法包括：对两幅待验证人脸图像进行预处理，得到对齐后的人脸区域图像；其中，对齐后的人脸区域图像分别记为图像A和图像B；分别将图像A和图像B进行镜面翻转、位置互换后得到八组待测图像对；将八组待测图像对作为并联卷积神经网络的每一个卷积神经网络的输入，进入输入层；对于每一个卷积神经网络，根据网络中进入输入层后的参数运算得到每组待测图像对的两个输出；其中，两个输出分别对应“是同一个人”和“不是同一个人”这两种类别的评分；对于每一个卷积神经网络，将每组待测图像对的两个输出进行多层处理，得到八组待测图像对中较高评分对应的类别；统计所有卷积神经网络中较高评分对应的两种类别数量，将数量较多的类别作为并联卷积神经网络的结果。进一步的，所述根据网络中进入输入层后的参数运算得到每组待测图像对的两个输出，具体包括：将输入层特征进行卷积与非线性变换，得到卷积层C1；将C1层特征进行卷积与非线性变换，得到卷积层C2；将C2层特征进行平均值降采样，得到P1层；将P1层进行卷积与非线性变换，得到卷积层C3；将C3层特征进行卷积与非线性变换，得到卷积层C4；将C4层特征进行平均值降采样，得到P2层；将P2层特征进行卷积与非线性变换，得到卷积层C5；将C5层特征进行卷积与非线性变换，得到卷积层C6；将C6层特征进行卷积与非线性变换，得到卷积层C7；将C7层特征进行平均值降采样，得到P3层；将P3层特征进行卷积与非线性变换，得到卷积层C8；将C8层特征进行卷积与非线性变换，得到卷积层C9；将C9层特征进行卷积与非线性变换，得到卷积层C10；将C10层特征进行平均值降采样，得到P4层；将P4层特征进行卷积与非线性变换，得到卷积层C11；将C11层特征进行卷积与非线性变换，得到卷积层C12；将C12层特征进行全连接计算与非线性变换，得到全连接层；将全连接层特征进行全连接计算，并采用Soft-max函数计算，得到每组待测图像对的两个输出。进一步的，卷积层C1～C12和降采样层P1～P4均称为隐含层，对于每一个隐含层，假设该隐含层的输入在(i,j)位置的输入向量为xi,j，则输出向量为yi,j，以此得到：ysi,sj＝fks({xsi+δi,sj+δj本文档来自技高网...

【技术保护点】
一种跨年龄的人脸验证方法，其特征在于：所述方法包括：对两幅待验证人脸图像进行预处理，得到对齐后的人脸区域图像；其中，对齐后的人脸区域图像分别记为图像A和图像B；分别将图像A和图像B进行镜面翻转、位置互换后得到八组待测图像对；将八组待测图像对作为并联卷积神经网络的每一个卷积神经网络的输入，进入输入层；对于每一个卷积神经网络，根据网络中进入输入层后的参数运算得到每组待测图像对的两个输出；其中，两个输出分别对应“是同一个人”和“不是同一个人”这两种类别的评分；对于每一个卷积神经网络，将每组待测图像对的两个输出进行多层处理，得到八组待测图像对中较高评分对应的类别；统计所有卷积神经网络中较高评分对应的两种类别数量，将数量较多的类别作为并联卷积神经网络的结果。

【技术特征摘要】
1.一种跨年龄的人脸验证方法，其特征在于：所述方法包括：对两幅待验证人脸图像进行预处理，得到对齐后的人脸区域图像；其中，对齐后的人脸区域图像分别记为图像A和图像B；分别将图像A和图像B进行镜面翻转、位置互换后得到八组待测图像对；将八组待测图像对作为并联卷积神经网络的每一个卷积神经网络的输入，进入输入层；对于每一个卷积神经网络，根据网络中进入输入层后的参数运算得到每组待测图像对的两个输出；其中，两个输出分别对应“是同一个人”和“不是同一个人”这两种类别的评分；对于每一个卷积神经网络，将每组待测图像对的两个输出进行多层处理，得到八组待测图像对中较高评分对应的类别；统计所有卷积神经网络中较高评分对应的两种类别数量，将数量较多的类别作为并联卷积神经网络的结果。2.根据权利要求1所述的一种跨年龄的人脸验证方法，其特征在于：所述根据网络中进入输入层后的参数运算得到每组待测图像对的两个输出，具体包括：将输入层特征进行卷积与非线性变换，得到卷积层C1；将C1层特征进行卷积与非线性变换，得到卷积层C2；将C2层特征进行平均值降采样，得到P1层；将P1层进行卷积与非线性变换，得到卷积层C3；将C3层...

【专利技术属性】
技术研发人员：许勇，高旻健，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东;44