【技术实现步骤摘要】
一种轻量化人脸联合检测与识别方法及其系统
本专利技术涉及人脸识别领域，更具体地，涉及一种轻量化人脸联合检测与识别方法及其系统。
技术介绍
现有的人脸检测与识别方案主要分为两个部分，第一部分是基于输入的原始图像做人脸检测，通过计算机视觉算法检测出人脸位置并裁剪出来；第二部分是对基于裁剪出来的人脸图像做特征提取，并对比不同人脸图像的特征距离或者相似度，从而完成最后的人脸识别任务。然而现有的技术存在着三个问题没能有效地解决，首先是整个系统基于两套模型，两套模型不能共享，计算资源要求比较大；其次识别过程的输入依赖检测的输出，识别过程没法直接与现实场景图像对接，必须要有检测过程作为连接，并且识别质量受限于检测算法的质量；再一个就是检测与识别过程关联不大，没有相互适应。
技术实现思路
本专利技术为克服上述现有技术所述的裁剪人脸位置过程和对人脸图像做特征提取及识别的过程分开处理的缺陷，提供一种轻量化人脸联合检测与识别系统及其方法。本专利技术旨在至少在一定程度上解决上述技术问题。本专利技术的首要目的是提供一种轻量化人脸联合检测与识别方法及其系统将人脸的裁剪以及特征提取识别合并在一个系...
【技术保护点】
1.一种基于轻量化人脸联合检测与识别的方法，其特征在于，包括以下步骤：S1：将训练图像进行初始化；S2：将训练图像输入到人脸联合检测与识别网络中并对其中的主干网络模块、区域候选模块RPN以及人脸特征提取模块进行训练；S3：将待测图像输入到训练好的人脸联合检测与识别网络中实现人脸的识别。
【技术特征摘要】
1.一种基于轻量化人脸联合检测与识别的方法，其特征在于，包括以下步骤：S1：将训练图像进行初始化；S2：将训练图像输入到人脸联合检测与识别网络中并对其中的主干网络模块、区域候选模块RPN以及人脸特征提取模块进行训练；S3：将待测图像输入到训练好的人脸联合检测与识别网络中实现人脸的识别。2.根据权利要求1所述的一种基于轻量化人脸联合检测与识别的方法，其特征在于，步骤S2中对人脸联合检测与识别网络中的主干网络模块、区域候选模块RPN以及人脸特征提取模块进行训练的具体步骤为：S21：将训练图像输入到主干网络模块中得到特征图；S22：将特征图输入到区域候选模块，得到生成的锚点信息；S23：将区域候选模块训练时得到的锚点信息及主干网络模块生成的特征图一起经过池化后作为人脸特征提取网络的输入；S24：重复迭代S21至S23直到主干网络模块区域、区域候选网络模块和人脸特征提取网络中的参数收敛即终止。3.根据权利要求2所述的一种基于轻量化人脸联合检测与识别的方法，其特征在于，对人脸联合检测和识别网络进行训练的训练方法为梯度下降法。4.根据权利要求1所述的一种基于轻量化人脸联合检测与识别系统的方法，其特征在于，步骤S3将待测图像输入到训练好的人脸联合检测与识别网络中实现人脸的识别的具体步骤为：S31：将待测RGB图像输入到主干网络模块，提取出特征图；S32：将提取的特征图输入到区域候选网络得到得到若干锚点信息，即人脸位置信息；S33：将每个锚点信息与特征图经过ROIPooling池化后输入到人...
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。