【技术实现步骤摘要】
一种基于深度学习的姿态鲁棒性人脸识别方法
本专利技术涉及图像处理
基于深度学习的姿态鲁棒性人脸识别方法，特别是涉及一种基于深度学习的姿态鲁棒性人脸识别方法。
技术介绍
随着人脸识别技术的不断发展，其在安全领域的应用越来越广泛。近几年来开始出现人脸识别解锁，人脸考勤机，人脸识别门禁，刷脸支付等应用，但受到传统人脸识别方法的限制，大部分人脸识别产品只能在用户配合的情况下使用，在非配合、非受控环境下，由于姿态变化、光照变化、表情变化等导致人脸识别精度大大下降，大大限制了人脸识别技术的应用推广。在这些变化中，姿态变化是对人脸识别精度影响最严重的一个因素。本专利技术针对在实际应用中由于姿态变化导致的人脸识别精度下降的问题，主要研究具有姿态鲁棒性的人脸识别方法，其核心挑战在于如何将身份信息和姿态信息融合用于快速而准确的人脸识别。杜成、苏光大等人在其发表的论文“多姿态人脸合成”(光电子激光，2004(12))中，提出一种从单张旋转人脸图像合成正面人脸图像的方法。首先把测试人脸图像表示为形状向量和纹理向量，用线性物体类的理论来合成正面形状和纹理，之后把测试图像的纹理和合成的...
【技术保护点】
1.一种基于深度学习的姿态鲁棒性人脸识别方法，其特征在于：含有以下步骤，步骤1、预处理训练样本；步骤2、构建并训练人脸身份识别网络；步骤3、构建并训练头部姿态识别网络；步骤4、构建并训练特征融合网络。
【技术特征摘要】
1.一种基于深度学习的姿态鲁棒性人脸识别方法，其特征在于：含有以下步骤，步骤1、预处理训练样本；步骤2、构建并训练人脸身份识别网络；步骤3、构建并训练头部姿态识别网络；步骤4、构建并训练特征融合网络。2.根据权利要求1所述的基于深度学习的姿态鲁棒性人脸识别方法，其特征在于：所述步骤1包括以下步骤，步骤1a、选择国际公开的CASIA_Webface人脸图像数据库中的人脸图像作为人脸身份信息训练样本，选择国际公开的300W-LP人脸图像数据库中的人脸图像作为人脸姿态信息训练样本；步骤1b、对于CASIA_Webface数据集，使用opencv库中的Haar特征检测器检测各个训练样本图像中的人脸五官特征点并定位，使用opencv库中的cv.getAffineTransform(·)函数对定位后的特征点进行仿射变换，实现样本图像的对齐预处理，使用opencv库中的cv.SetImageROI(·)函数将对齐后的样本图像进行人脸图像分割预处理，得到相应的精简训练样本图像；对于300W-LP数据集，使用scipy库中的sio读取各个训练样本图像对应的mat文件中的人脸框坐标信息和头部偏转角度信息，使用PIL库中的img.crop()函数裁剪出人脸部分，得到带有姿态变化的人脸训练样本；步骤1c、利用Pytorch框架将CASIA_Webface训练样本和300W-LP训练样本转变成相应的tensor格式的数据。3.根据权利要求1所述的基于深度学习的姿态鲁棒性人脸识别方法，其特征在于：所述步骤2包括以下步骤，步骤2a、构建人脸身份识别卷积神经网络，将卷积神经网络中每个隐藏层的初始权重均赋予一个随机值，每个隐藏层的初始偏置全赋予0值；该网络主体结构包括一个3×3卷积层Conv3×3，一个3×3深度可分离卷积层Depthwiseconv3×3，5个瓶颈卷积层bottleneck，一个1×1卷积层Conv1×1_1，一个线性深度可分离的7×7卷积层LinearGDConv7×7_1和一个线性1×1卷积层LinearConv1×1_1，激活函数采用PReLu，损失函数选择insightface损失；步骤2b、基于准备好的CASIA_Webface人脸身份训练集，利用BP反向传播算法，训练人脸身份识别网络；即在训练过程中，基于网络的预测值与标签真实值之间产生的误差，计算识别网络在各层的梯度，利用负梯度方向求分类误差最小时网络的最优化参数，经过70轮的训练，得到训练完成的人脸身份识别网络；步骤2c、该网络训练完毕后取最后的线性1×1卷积层输出结果LinearConv1×1_1，...
【专利技术属性】
技术研发人员：宋彬，周琳，徐琛，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61
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。