一种基于特征分析的人脸识别方法技术

本发明专利技术公开了一种基于特征分析的人脸识别方法，属于人脸识别领域；构建用于提取特征的神经网络模型，利用人脸数据集进行训练，得到训练后的神经网络模型；构建人脸特征库；对待识别人脸图像进行滤波处理，并将处理后的图像输入训练后的神经网络模型提取特征；计算提取的特征与人脸特征库中的特征之间的相似度，若相似度大于阈值，则采用线性判别式提高相似度大于阈值的特征间匹配的准确率，得出识别结果，否则舍弃该特征对应的人脸图像；本发明专利技术适用于多种现实环境，比如门禁系统、银行系统等，与主流人脸识别SDK相比，本系统算法在对环境变化具有很好的鲁棒性。

【技术实现步骤摘要】
一种基于特征分析的人脸识别方法
本专利技术涉及人脸识别领域，具体涉及一种基于特征分析的人脸识别方法。
技术介绍
近年来，我们见证了卷积神经网络(ConvolutionalNeuralNetwork，CNNs)算法在人脸识别(FaceRecognition，FR)上取得的巨大成功。由于先进的深度网络架构，如DCNN，ResNet，GoogleNet和辨别学习方法，深度CNNs提高了FR的性能，达到了前所未有的水平。一般来说，人脸识别可以被归类为人脸识别和人脸验证。前者方法面向分类特定的身份，而后者决定一对面孔是否属于同一身份。在测试方法上，可以在闭集或开集设置下对人脸识别进行评估，对于闭集评估，所有测试标识都在训练集中预定义，很自然地，可以将人脸图像分类到给定的身份，在此场景中，面部验证相当于对面孔进行识别判断是否属于同一身份。因此，闭集FR可以被看作是在人脸特征被区分开的前提下的分类问题。而对于开集评估，测试集通常与训练集互斥，测试集中个体图像不会出现在训练集中，使FR更具挑战性，但开集评估更接近现实情况。人脸识别是一种非接触性技术，具有可视化、符合人的思维习惯的特点，得以在商业、安本文档来自技高网...

【技术保护点】
1.一种基于特征分析的人脸识别方法，其特征在于，包括以下步骤：步骤1：构建用于提取特征的神经网络模型，利用人脸数据集进行训练，得到训练后的神经网络模型；步骤2：构建人脸特征库；步骤3：对待识别人脸图像进行滤波处理，并将处理后的图像输入训练后的神经网络模型提取特征；步骤4：计算步骤3提取的特征与人脸特征库中的特征之间的相似度，若相似度大于阈值，则跳转步骤5，否则舍弃该特征对应的人脸图像；步骤5：采用线性判别式提高相似度大于阈值的特征间匹配的准确率，得出识别结果。

【技术特征摘要】
1.一种基于特征分析的人脸识别方法，其特征在于，包括以下步骤：步骤1：构建用于提取特征的神经网络模型，利用人脸数据集进行训练，得到训练后的神经网络模型；步骤2：构建人脸特征库；步骤3：对待识别人脸图像进行滤波处理，并将处理后的图像输入训练后的神经网络模型提取特征；步骤4：计算步骤3提取的特征与人脸特征库中的特征之间的相似度，若相似度大于阈值，则跳转步骤5，否则舍弃该特征对应的人脸图像；步骤5：采用线性判别式提高相似度大于阈值的特征间匹配的准确率，得出识别结果。2.根据权利要求1所述的一种基于特征分析的人脸识别方法，其特征在于，所述步骤1中，所述神经网络模型由Inception模块和ResNet模块构成。3.根据权利要求1所述的一种基于特征分析的人脸识别方法，其特征在于，所述步骤1中，对神经网络模型进行训练时，采用的损失函数为：其中，m表示批尺寸(batchsize)，i表示样本标注，xi表示第i个样本，yi表示第i个样本的标签，T表示转置操作，j表示标签标注，n表示类别总数，λ表示超参数，c表示类中心。4.根据权利要求3所述的一种基于特征分析的人脸识别方法，其特征在于，在训练开始时，初始化参数c，在训练过程中，每迭代一次，需更新参数c，参数c的更新量为：其中，α表示更新时采用的比例系数，N表示一个minibatch中的样本总数。5.根据权利要求1所述的一种基于特征分析的人脸识别方法，其特征在于，所述步骤3中，对图像进行滤波处理采用的同态滤波器为：Hmo(u，v)＝(γH-γL)Hhp(u，v)+γL(3)，Hhp(u，v)＝1-exp[-a(D2(u，v)/D02)](4)，其中，u表示频域上的频率，v表示频域上的增益，γH表示最高幅度范围，γL表示最低幅度范围，D表示滤波器频率，D0...

【专利技术属性】
技术研发人员：麦智钧，沈复民，
申请(专利权)人：成都考拉悠然科技有限公司，
类型：发明
国别省市：四川,51