一种基于深度卷积神经网络的人脸识别方法技术

本发明专利技术公开了一种基于深度卷积神经网络的人脸识别方法，包括：将人脸识别数据库里的每幅图像分别送入三个构建的深度卷积神经网络中提取特征；对输出的特征分别进行归一化，并仿射投影到低维空间，得到投影矩阵，通过最小化三元损失函数训练投影矩阵，得到每一幅图像的特征向量；通过梯度下降法寻找深度卷积神经网络中各滤波器的权重值，经过训练测试，选择平均识别精度最高的深度卷积神经网络；将选择后的深度卷积神经网络应用到标准人脸识别数据库中，将待检测人脸图像与每一幅图像的特征向量进行欧氏距离的计算，若小于阈值则为同一人。本发明专利技术训练时使用了较少的图片，采用的卷积神经网络结构简单，提高了人脸识别的精度，降低了训练的复杂度。

【技术实现步骤摘要】
一种基于深度卷积神经网络的人脸识别方法
本专利技术涉及人脸识别领域，尤其涉及一种基于深度卷积神经网络的人脸识别方法。
技术介绍
在现代社会中，个人身份认证技术的应用无所不在，其中基于指纹、虹膜、以及人脸等人体生物特征的识别技术在多个领域有巨大的市场需求，例如：门禁系统、视频监控、机场安检、以及智能空间等。尽管基于指纹和虹膜的身份认证比人脸识别技术具有更高的准确性和可靠性，但人脸识别因具有自然、友好、对用户干扰少、易被用户接受等优势而有更广阔的应用前景[1]。人脸识别是基于数字图像处理、计算机视觉和机器学习等技术，借助于计算机处理技术，对数据库中人脸图像进行分析比较的过程。目前，人脸识别技术按照选取特征的方式可以分成两种：一种是基于浅层特征的人脸识别，一种是基于深度学习的人脸识别方法。1、浅层人脸识别方法首先提取人脸图像的局部特征，比如SIFT(Scale-InvariantFeatureTransform,尺度不变特征变换)、LBP(LocalBinaryPattern,局部二值模式)、HOG(HistogramofOrientedGradient,方向梯度直方图)等特征，然后通过某本文档来自技高网...

【技术保护点】
一种基于深度卷积神经网络的人脸识别方法，其特征在于，所述方法包括以下步骤：将人脸识别数据库里的每幅图像分别送入三个构建的深度卷积神经网络中提取特征；对输出的特征分别进行二范数归一化，并仿射投影到低维空间，得到投影矩阵，通过最小化三元损失函数训练投影矩阵，得到每一幅图像的特征向量；通过梯度下降法寻找深度卷积神经网络中各滤波器的权重值，经过训练测试，选择平均识别精度最高的深度卷积神经网络；将选择后的深度卷积神经网络应用到标准人脸识别数据库中，将待检测人脸图像的特征向量与每一幅图像的特征向量进行欧氏距离的计算，若小于阈值判断为同一个人。

【技术特征摘要】
1.一种基于深度卷积神经网络的人脸识别方法，其特征在于，所述方法包括以下步骤：将人脸识别数据库里的每幅图像分别送入三个构建的深度卷积神经网络中提取特征；对输出的特征分别进行二范数归一化，并仿射投影到低维空间，得到投影矩阵，通过最小化三元损失函数训练投影矩阵，得到每一幅图像的特征向量；通过梯度下降法寻找深度卷积神经网络中各滤波器的权重值，经过训练测试，选择平均识别精度最高的深度卷积神经网络；将选择后的深度卷积神经网络应用到标准人脸识别数据库中，将待检测人脸图像的特征向量与每一幅图像的特征向量进行欧氏距离的计算，若小于阈值判断为同一个人。2.根据权利要求1所述的一种基于深度卷积神经网络的人脸识别方法，其特征在于，所述三个构建的深度卷积神经网络具体包括：深度卷积神经网络A、深度卷积神经网络B与深度卷积神经网络C；所述深度卷积神经网络A包括8个模块：每个模块的结构均为先经过卷积层，而后施...

【专利技术属性】
技术研发人员：聂为之，王洪涛，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12