后向搜索模型集成方法及装置、存储设备和人脸识别系统制造方法及图纸

本发明专利技术实施例公开了一种后向搜索模型集成方法和装置、一种存储设备和一种人脸识别系统，所述方法包括：获取已完成训练的N个人脸识别模型；以i的初始值为1，并以所述N个人脸识别模型作为第i模型集，执行以下后向搜索操作：从第i模型集中删除一个人脸识别模型作为第i+1模型集；当判定所述第i+1模型集满足停止后向搜索的条件时，输出所述第i+1模型集，否则对i加一并返回执行所述后向搜索操作；i<N。采用本发明专利技术实施例，能够快速有效地筛选出模型，在减少冗余的同时避免搜索空间过大。

【技术实现步骤摘要】
后向搜索模型集成方法及装置、存储设备和人脸识别系统
本专利技术涉及计算机人脸识别
，尤其涉及一种后向搜索模型集成方法及装置、一种存储设备和一种人脸识别系统。
技术介绍
在人脸识别算法研究中发现，单个人脸识别模型的精确度一般来说比较有限，较常用的做法是训练出不同人脸识别模型，然后将这些模型组合集成在一起使用。集成后的模型一般会比单个模型有更高的识别准确率。这个思路不仅适用于人脸识别算法，在一般的模式识别领域同样适用。现有的做法是直接把训练好的多个模型放在一起使用，根据多个算法模型输出，采用平均或者投票的方式进行最终识别结果的确定。专利技术人要实施本专利技术时，发现现有做法存在以下问题：1、我们一般希望对同一任务训练出的模型越多越好，但是多个模型之间可能存在冗余，因此我们需要在训练好的模型中进行快速和有效的筛选，进行模型选择；2、多个模型在训练过程中没有考虑到各个模型之间的信息传递和交换，因此在最终识别阶段的合作性和互补性会有欠缺，一方面不能做到全面综合多个模型的全局信息，另一方面多个模型输出的特征存在很大的冗余，加重了存储量和计算量。
技术实现思路
本专利技术实施例提出的后向搜索模型集成方法及装置、存储设备和人脸识别系统，能够快速有效地筛选出模型，在减少冗余的同时避免搜索空间过大。本专利技术实施例提供一种后向搜索模型集成方法，包括：获取已完成训练的N个人脸识别模型；以i的初始值为1，并以所述N个人脸识别模型作为第i模型集，执行以下后向搜索操作：从第i模型集中删除一个人脸识别模型作为第i+1模型集；当判定所述第i+1模型集满足停止后向搜索的条件时，输出所述第i+1模型集，否则对i加一并返回执行所述后向搜索操作；i<N。进一步地，所述从第i模型集中删除一个人脸识别模型作为第i+1模型集，具体为：对第i模型集中的每一个人脸识别模型，从所述第i模型集中删除所述人脸识别模型，获得N-i个分集合；对于每一个分集合，计算由所述分集合中的所有元素集成的人脸识别模型的测试识别率；其中，所述测试识别率是指利用人脸识别模型对标准人脸测试集的图片测试的成功率；选取测试识别率最高对应的分集合作为第i+1模型集。进一步地，所述判定所述第i+1模型集满足停止后向搜索的条件，具体为：由所述第i+1模型集中的所有元素集成的人脸识别模型的测试识别率与由所述第i模型集中的所有元素集成的人脸识别模型的测试识别率的差值大于后向搜索阈值。再进一步地，计算人脸识别模型的测试识别率的过程，具体为：采用主成分分析方法从所述人脸识别模型提取模型特征；所述模型特征的数组长度为预设数组长度；根据提取出来的模型特征对所述标准人脸测试集的图片进行测试；统计测试过程中的成功率，并将所述成功率作为所述人脸识别模型的测试识别率。更进一步地，所述后向搜索模型集成方法，还包括：在i加一之后，判断i的数值是否为N；若是，则停止执行所述后向搜索操作，并输出第i模型集，以供人脸识别系统根据由所述第i模型集中包含的人脸识别模型集成的模型进行人脸识别工作。相应地，本专利技术实施例还提供的一种后向搜索模型集成装置，包括：模型获取模块，用于获取已完成训练的N个人脸识别模型；初始化模块，用于将i的初始值设置为1，并将所述N个人脸识别模型作为第i模型集的元素；后向搜索模块，用于执行后向搜索操作，包括以下单元：集合元素删除单元，用于从第i模型集中删除一个人脸识别模型作为第i+1模型集；循环判断单元，用于当判定所述第i+1模型集满足停止后向搜索的条件时，输出所述第i+1模型集，否则对i加一并返回执行所述后向搜索操作；i<N。进一步地，所述集合元素删除单元，具体包括：分集合子单元，用于对第i模型集中的每一个人脸识别模型，从所述第i模型集中删除所述人脸识别模型，获得N-i个分集合；集合计算子单元，用于对于每一个分集合，计算由所述分集合中的所有元素集成的人脸识别模型的测试识别率；其中，所述测试识别率是指利用人脸识别模型对标准人脸测试集的图片测试的成功率；选取子单元，用于选取测试识别率最高对应的分集合作为第i+1模型集。进一步地，所述判定所述第i+1模型集满足停止后向搜索的条件，具体为：由所述第i+1模型集中的所有元素集成的人脸识别模型的测试识别率与由所述第i模型集中的所有元素集成的人脸识别模型的测试识别率的差值大于后向搜索阈值。更进一步地，所述基于前向搜运的模型集成装置还包括用于计算人脸识别模型的测试识别率的识别率计算模块，具体包括：特征提取单元，用于采用主成分分析装置从所述人脸识别模型提取模型特征；所述模型特征的数组长度为预设数组长度；测试单元，用于根据提取出来的模型特征对所述标准人脸测试集的图片进行测试；统计单元，用于统计测试过程中的成功率，并将所述成功率作为所述人脸识别模型的测试识别率。再进一步地，所述后向搜索模块，还包括：加一判断单元，用于在i加一之后，判断i的数值是否为N；停止并输出单元，用于当i的数值为N时，则停止执行所述后向搜索操作，并输出第i模型集。另外，本专利技术实施例还提供一种存储设备，其中存储有多条指令，所述指令被处理器执行时实现如前所述的后向搜索模型集成方法的任一实施例。以及，本专利技术实施例还提供一种人脸识别系统，包括存储设备、处理器及存储在所述存储设备上并可在所述处理器上运行的多条指令，其中，所述处理器执行所术指令时实现如前所述的后向搜索模型集成方法的任一实施例。实施本专利技术实施例，具有如下有益效果：本专利技术实施例提供的一种后向搜索模型集成方法及装置，从多个人脸识别模型中删除一个能使由剩余的模型集成的模型的测试识别率最高的模型，然后判断剩余的模型是否满足停止后向搜索的条件，如果满足，则直接输出该集成的人脸识模型作为识别的工具，否则返回继续从剩余的模型中再删除一个模型来进行判断，直至满足停止后向搜索的条件为至，此种模型搜索方式仅需要基于当前的情况进行决策，只要满足条件则跳出循环，能够大大降低计算量，无须过多地考虑更久远的可能性。而且，从逐次从剩余的模型中删除一个模型的标准为删除后的剩余的模型集成的测试识别率高低，提高筛选模型的有效率，进而提高集成模型的测试识别率。另外，采用主成分分析方式对人脸识别模型提取模型特征，能够对模型特征进行融合压缩，减少多个模型之间的冗余。附图说明图1是本专利技术提供的后向搜索模型集成方法的一个实施例的流程示意图；图2本专利技术提供的后向搜索模型集成装置的一个实施例的结构示意图；图3是本专利技术提供的后向搜索模型集成装置的后向搜索模块的一个实施例的结构示意图；图4是本专利技术提供的后向搜索模型集成装置的后向搜索模块的集合元素删除单元的一个实施例的结构示意图；图5，是本专利技术提供的后向搜索模型集成装置的识别率计算模块的一个实施例的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。参见图1，是本专利技术提供的后向搜索模型集成方法的一个实施例的流程示意图，该后向搜索模型集成方法，包括：S1，获取已完成训练的N个人脸识别模型；所述N个人脸识别模型是提前训练本文档来自技高网...

【技术保护点】
一种后向搜索模型集成方法，其特征在于，包括：获取已完成训练的N个人脸识别模型；以i的初始值为1，并以所述N个人脸识别模型作为第i模型集，执行以下后向搜索操作：从第i模型集中删除一个人脸识别模型作为第i+1模型集；当判定所述第i+1模型集满足停止后向搜索的条件时，输出所述第i+1模型集，以供人脸识别系统根据由所述第i+1模型集中包含的人脸识别模型集成的模型进行人脸识别工作；否则对i加一并返回执行所述后向搜索操作；i<N。

【技术特征摘要】
1.一种后向搜索模型集成方法，其特征在于，包括：获取已完成训练的N个人脸识别模型；以i的初始值为1，并以所述N个人脸识别模型作为第i模型集，执行以下后向搜索操作：从第i模型集中删除一个人脸识别模型作为第i+1模型集；当判定所述第i+1模型集满足停止后向搜索的条件时，输出所述第i+1模型集，以供人脸识别系统根据由所述第i+1模型集中包含的人脸识别模型集成的模型进行人脸识别工作；否则对i加一并返回执行所述后向搜索操作；i<N。2.如权利要求1所述的后向搜索模型集成方法，其特征在于，所述从第i模型集中删除一个人脸识别模型作为第i+1模型集，具体为：对第i模型集中的每一个人脸识别模型，从所述第i模型集中删除所述人脸识别模型，获得N-i个分集合；对于每一个分集合，计算由所述分集合中的所有元素集成的人脸识别模型的测试识别率；其中，所述测试识别率是指利用人脸识别模型对标准人脸测试集的图片测试的成功率；选取测试识别率最高对应的分集合作为第i+1模型集。3.如权利要求2所述的后向搜索模型集成方法，其特征在于，所述判定所述第i+1模型集满足停止后向搜索的条件，具体为：由所述第i+1模型集中的所有元素集成的人脸识别模型的测试识别率与由所述第i模型集中的所有元素集成的人脸识别模型的测试识别率的差值大于后向搜索阈值。4.如权利要求2或3所述的基于前向搜索的模型集成方法，其特征在于，计算人脸识别模型的测试识别率的过程，具体为：采用主成分分析方法从所述人脸识别模型提取模型特征；所述模型特征的数组长度为预设数组长度；根据提取出来的模型特征对所述标准人脸测试集的图片进行测试；统计测试过程中的成功率，并将所述成功率作为所述人脸识别模型的测试识别率。5.如权利要求1所述的后向搜索模型集成方法，其特征在于，所述后向搜索模型集成方法，还包括：在i加一之后，判断i的数值是否为N；若是，则停止执行所述后向搜索操作，并输出第i模型集，以供人脸识别系统...

【专利技术属性】
技术研发人员：张玉兵，
申请(专利权)人：广州视源电子科技股份有限公司，
类型：发明
国别省市：广东,44