【技术实现步骤摘要】
一种低分辨率人脸识别方法及装置
本专利技术属于计算机视觉和深度学习领域，尤其涉及一种针对低分辨率条件下的人脸识别方法及装置。
技术介绍
人脸作为区分个体之间的一个基本属性，在计算机视觉和多媒体应用领域每天被频繁识别。这些应用中，人脸识别模型需要被重新部署在移动手机甚至智能摄像头中，用于相机自动对焦、人机交互、照片管理、城市安防监控、智能驾驶等诸多领域。当前，人脸识别在开放环境条件下的实际应用中，经常需要在极低的计算和内存资源条件下识别低分辨率人脸图像。在这种情况下，当前很多高精度的人脸识别模型往往较为复杂，难以实际部署，并且在人脸图像分辨率降低之后，识别精度也会产生很大的下降。一种行之有效的方案是将这些高性能的人脸模型转换成高效的模型，并使这些转换后的模型在识别低分辨率图像时候能够保持原先复杂模型的精度。近年来，低分辨率人脸识别领域也研究了一些方法。现有方法通常被分成两类，包括基于增强的方法和基于嵌入的方法。基于增强的方法先对低分辨率人脸图像进行超分辨率增强重建，然后再训练更高分辨率的模型进行识别，这类方法在识别重建后的人脸图像能有较为良好的结果，但是超分辨率操作...
【技术保护点】
1.一种低分辨率人脸识别方法，其步骤包括：利用带身份标记的高分辨率人脸图像训练一深度神经网络，获得教师流深度学习网络；利用带相同身份标记的高分辨率人脸图像和低分辨率人脸图像训练一深度神经网络，获得学生流深度学习网络；向教师流深度学习网络输入高分辨率人脸图像，得到高分辨率人脸深度特征，从高分辨率人脸深度特征中筛选出富含身份信息的高分辨率人脸深度特征，该富含身份信息的高分辨率人脸深度特征是指能够根据该高分辨率人脸深度特征正确鉴别出高分辨率人脸图像的身份；结合带身份标记的低分辨率人脸图像和富含身份信息的高分辨率人脸维深度特征，对学生流深度学习网络进行微调训练，得到能识别低分辨率人...
【技术特征摘要】
1.一种低分辨率人脸识别方法，其步骤包括：利用带身份标记的高分辨率人脸图像训练一深度神经网络，获得教师流深度学习网络；利用带相同身份标记的高分辨率人脸图像和低分辨率人脸图像训练一深度神经网络，获得学生流深度学习网络；向教师流深度学习网络输入高分辨率人脸图像，得到高分辨率人脸深度特征，从高分辨率人脸深度特征中筛选出富含身份信息的高分辨率人脸深度特征，该富含身份信息的高分辨率人脸深度特征是指能够根据该高分辨率人脸深度特征正确鉴别出高分辨率人脸图像的身份；结合带身份标记的低分辨率人脸图像和富含身份信息的高分辨率人脸维深度特征，对学生流深度学习网络进行微调训练，得到能识别低分辨率人脸的训练好的学生流深度学习网络；将待识别的低分辨率人脸图像输入至训练好的学生流深度学习网络，得到低分辨率人脸深度特征，并根据该低分辨率人脸深度特征实现低分辨率人脸识别。2.如权利要求1所述的方法，其特征在于，根据图优化方法，从高分辨率人脸深度特征中筛选出富含身份信息的高分辨率人脸特征，该图优化方法的步骤包括：根据带身份标记的高分辨率人脸图像构建密集图，该密集图由人脸顶点和连接人脸顶点的类内边或类间边组成，一个人脸顶点表示一个高分辨率人脸图像，一条类内边由一对同类别的高分辨率人脸图像组成，一条类间边由一对不同类别的高分辨率人脸图像组成；基于密集图构建稀疏图来降低边复杂度，该稀疏图中对每个同类别的高分辨率人脸增加一个质心顶点，一条类内边由一对同类别的高分辨率人脸图像组成，一条类间边由一个高分辨率人脸图像及与之不同类别的一个质心顶点组成；对稀疏图进行优化求解，筛选出富含身份信息的高分辨率人脸特征。3.如权利要求2所述的方法，其特征在于，对稀疏图进行优化求解时，将人脸顶点和质心顶点表示成特征向量，基于该特征向量将富含身份信息的高分辨率人脸深度特征表示成二值标记式，对该二值标记式进行优化求解。4.如权利要求3所述的方法，其特征在于，...
【专利技术属性】
技术研发人员：葛仕明，
申请(专利权)人：中国科学院信息工程研究所，
类型：发明
国别省市：北京,11
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。