The invention discloses a method for face recognition using feature extractor convolutional neural network is characterized by comprising the following steps: step SS1: according to the need to build recognition, face recognition database, form the training set and test set according to need; step SS2: extract the CNN model as a feature extractor; step SS3: CNN model to extract the unknown feature vector, to others face database images and save; step SS4: using feature classifier to extract the training set and test set data classification. The invention uses image recognition in the now popular deep learning convolutional neural network as a feature extractor, high recognition can not only use the convolutional neural network rate, high anti-interference characteristics, can also be convenient for the face recognition database modify operation, add the method of face recognition is the practical field of facial identity recognition.
【技术实现步骤摘要】
一种以卷积神经网络作为特征提取器的人脸识别方法
本专利技术涉及一种以卷积神经网络作为特征提取器的人脸识别方法,属于个人身份识别
技术介绍
人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部的一系列相关技术。目前,人脸识别技术已经广泛应用于金融、司法、军队、公安、边检、政府、航天、电力、工厂、教育、医疗及众多企事业单位等领域,并愈来愈成为诸多企业的热门研究方向,并期待其在更多应用领域下产生更大的作用。传统的人脸识别方法是基于传统的特征提取及特征分类方法:例如较热门的特征脸(Eigenface)方法即基于主成分分析(PCA)方法,来进行待识别人脸图像的分类,但这些特征分类方法有一个关键的问题:即稳定性不足,难以实现多场景多环境多姿态的人脸识别,而新出现的基于深度学习的人脸识别方法虽然能解决前述的问题,但由于其对于应用框架有较高的要求,难以实现良好的环境移植以及数据库增减的效果。其中,CNN即指卷积神经网络,RNN即指循环神经网络,DNN即指深度神经网络。
技术实现思路
本专利技术所要解决的技术问题是克服现有技术的缺陷,提供一种以卷积神经网络作为特征提取器的人脸识别方法。为解决上述技术问题,本专利技术提供一种以卷积神经网络作为特征提取器的人脸识别方法,其特征在于,包括如下步骤:步骤SS1:根据识别需要,构建待识别人脸图像数据库,按需要形成训练集、测试集;步骤SS2:提取CNN模型为特征提取器;步骤SS3:以CNN模型提取待识别人脸库图像的待识别 ...
【技术保护点】
一种以卷积神经网络作为特征提取器的人脸识别方法,其特征在于,包括如下步骤:步骤SS1:根据识别需要,构建待识别人脸图像数据库,按需要形成训练集、测试集;步骤SS2:提取CNN模型为特征提取器;步骤SS3:以CNN模型提取待识别人脸库图像的待识别特征向量,并保存;步骤SS4:利用特征分类器对提取出的训练集、测试集数据进行分类。
【技术特征摘要】
1.一种以卷积神经网络作为特征提取器的人脸识别方法,其特征在于,包括如下步骤:步骤SS1:根据识别需要,构建待识别人脸图像数据库,按需要形成训练集、测试集;步骤SS2:提取CNN模型为特征提取器;步骤SS3:以CNN模型提取待识别人脸库图像的待识别特征向量,并保存;步骤SS4:利用特征分类器对提取出的训练集、测试集数据进行分类。2.根据权利要求1所述的一种以卷积神经网络作为特征提取器的人脸识别方法,其特征在于,所述步骤SS2中的所述提取模型为特征提取器包括如下步骤:步骤SS21:采集标准数据库,构建标准训练、测试数据集;步骤SS22:利用标准数据库,构建CNN神经网络进行训练;步骤SS23:判断神经网络的训练效果是否达到预期目标,若不满足,则重新设计网络结构,并转入步骤SS22,否则判断为符合,视为训练成功,并提取CNN模型为特征提取器。3.根据权利要求1所述的一种以卷积神经网络作为特征提取器的人脸识别方法,其特征在于,所述特征分类器采用K最近邻算法。4.根据权利要求3所述的一种以卷积神经网络作为特征提取器的人脸识别方法,其特征在于,所述K最近邻算法包括如下步骤:步骤SS41:准备待识别人脸图像数据库,对待识别人脸图像数据库进行预处理,得到训练元组集、测试元组集;步骤SS42:选用合适的数据结构存储训练元组和测试元组;步骤SS43:设定参数k;步骤SS4...
【专利技术属性】
技术研发人员:林斌,周云柯,
申请(专利权)人:江苏四点灵机器人有限公司,
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。