人脸识别置信值映射算法制造技术

本发明专利技术提供了人脸识别置信值映射算法，包括以下步骤：人脸识别模型对测试样本评测得到识别率和误识率数据；对识别率和误识率进行数据拟合；选取数据分段映射；根据拟合出来的公式进行输出分值映射。本发明专利技术有益效果：在产品更换不同的算法后，不用对外部参数进行任何的修改，只需利用该算法对产品本身的识别效果进行映射，既可达到算法预期效果，提高人脸识别的准确性。

Face recognition confidence mapping algorithm

【技术实现步骤摘要】
人脸识别置信值映射算法
本专利技术属于人脸识别领域，尤其是涉及人脸识别置信值映射算法。
技术介绍
随着深度学习技术的发展，现在人脸识别算法的识别率在很多场合下已经超越了人类。人脸识别算法广泛应用于各种产品中。由于算法厂家不同或者由于模型迭代的原因导致识别算法输入的默认置信值不断变化，这样上层系统就会不断调试已满足不同算法，以达到其最佳效果。这就导致了调适繁琐且对专业要求较高。
技术实现思路
有鉴于此，本专利技术旨在提出一种人脸识别置信值映射算法，以解决上述问题的不足之处。为达到上述目的，本专利技术的技术方案是这样实现的：人脸识别置信值映射算法，包括以下步骤：A.人脸识别模型对测试样本评测得到识别率和误识率数据；B.对步骤A中得到的识别率和误识率进行数据拟合；C.选取数据分段映射；D.根据拟合出来的公式进行输出分值映射。进一步的，所述步骤A中用人脸识别模型对测试样本进行识别率和误识率评价，得到测试样本中每个分值所对应的识别率和误识率，其中分值代表对一个样本识别出来的概率。进一步的，所述步骤B中以分值为横坐标，识别率、误识率为纵坐标分别对步骤A中获得的数据进行拟合得出数据曲线。进一步的，所述步骤C过程如下：C1.将步骤B中误识率为0的最小分值点作为基准分割点，对应的分值记为a；C2.将区间a-b分值映射到区间b-1.0，且映射前大于b的分值均视为1.0，其中b为识别准确率趋于平稳时的最小分值；C3.取区间a-b分值所对应的误识率的数据进行多项式拟合；C4.将区间b-1.0的分值进行等分，对误识率进行多项式拟合。进一步的，所述步骤D中当人脸识别模型输出分值为区间a-b时，将该输出分值带入步骤C3得到的多项式中，然后使步骤C3和步骤C4拟合得到的多项式中对应的误识率参数相等，则得到一组分值参数的解x，去掉大于1.0的分值解，另一个分值解小于1.0，则按MAX(x,b)确定。相对于现有技术，本专利技术所述的人脸识别置信值映射算法具有以下优势：本专利技术所述的人脸识别置信值映射算法在产品更换不同的算法后，不用对外部参数进行任何的修改，只需利用该算法对产品本身的识别效果进行映射，使其输出映射到识别率高的分值区间内分值，提高人脸识别模型的准确性，达到模型的最佳效果。附图说明构成本专利技术的一部分的附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1为本专利技术实施例所述的人脸识别置信值映射算法步骤流程图；图2为本专利技术实施例中识别率多项式拟合曲线；图3为本专利技术实施例中误识率多项式拟合曲线；图4为本专利技术实施例中0.6-0.8分段数据拟合曲线；图5为本专利技术实施例中0.8-1.0分段数据拟合曲线。具体实施方式需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本专利技术。如图1所示，人脸识别置信值映射算法，包括以下步骤：A.人脸识别模型对测试样本评测得到识别率和误识率数据；B.对步骤A中得到的识别率和误识率进行数据拟合；C.选取数据分段映射；D.根据拟合出来的公式进行输出分值映射。所述步骤A中用人脸识别模型对测试样本进行识别率和误识率评价，得到测试样本中每个分值所对应的识别率和误识率，其中分值代表对一个样本识别出来的概率。所述步骤B中以分值为横坐标，识别率、误识率为纵坐标分别对步骤A中获得的数据进行拟合得出数据曲线。所述步骤C过程如下：C1.将步骤B中误识率为0的最小分值点作为基准分割点，对应的分值记为a；C2.将区间a-b分值映射到区间b-1.0，且映射前大于b的分值均视为1.0，这是因为分值大于0.8时，识别率基本一致了，分值映射已没有意义，其中b为识别准确率趋于平稳时的最小分值；当分值越高时，识别准确率越高，而识别率越低，当分值越低时，识别率越高，但识别准确率越低。C3.取区间a-b分值所对应的误识率的数据进行多项式拟合；C4.将区间b-1.0的分值进行等分，对误识率进行多项式拟合。所述步骤D中当人脸识别模型输出分值为区间a-b时，将该输出分值带入步骤C3得到的多项式中，然后使步骤C3和步骤C4拟合得到的多项式中对应的误识率参数相等，则得到一组分值参数的解x，去掉大于1.0的分值解，另一个分值解小于1.0，则按MAX(x,b)确定。本实施例中给出一组人脸识别模型对测试样本评测得到识别率和误识率数据，以0.01分值为间隔，见表1：表1识别率和误识率数据列举如图2和图3所示，以分值为横坐标，识别率、误识率为纵坐标分别对数据进行多项式拟合得出数据曲线，识别率的拟合多项式为：y＝-159.44x6+470.04x5-503.86x4+238.05x3-49.631x2+3.875x+0.9258在图3中，找到误识率为0的点作为基准分割点，本实施例中试验模型选择0.6；由图2可以看到此模型的分值大于0.8时，识别率基本一致了，分值映射已没有意义，所以我们选取将区间0.6-0.8分值映射到区间0.8-1.0，这里，映射前大于0.8的分值均视为1.0；如图4所示，取0.6-0.8分值数据进行多项式拟合，得到拟合多项式为：y＝14.806x2-24.047x+9.7656；如图5所示，将区间0.8-1.0进行等分，然后进行多项式拟合，得到拟合多项式为：y＝16.337x12-32.735x1+16.4；当模型输出分值为0.6-0.8时，这里以0.6为例，根据上述两个拟合曲线可得到：16.337*x12-32.735*x1+16.4＝14.806*0.62-24.047*0.6+9.7656，通过解方程可得x＝0.75131和1.252424，由于要映射的数据范围是在0.8-1.0之间，所以去掉大于1.0的值，选择较小的解0.7513。由于0.75131这个解没有完全达到预期的0.8的要求，这里可以将此值按MAX(x,0.8)来取到合适的值，这也是为了避免太复杂的拟合函数带来的复杂运算。最终利用该算法输出映射到识别率高的分值区间内分值，提高人脸识别模型的准确性。以上所述仅为本专利技术的较佳实施例而已，并不用以限制本专利技术，凡在本专利技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本专利技术的保护范围之内。本文档来自技高网...

【技术保护点】
1.人脸识别置信值映射算法，其特征在于，包括以下步骤：/nA.人脸识别模型对测试样本评测得到识别率和误识率数据；/nB.对步骤A中得到的识别率和误识率进行数据拟合；/nC.选取数据分段映射；/nD.根据拟合出来的公式进行输出分值映射。/n

【技术特征摘要】
1.人脸识别置信值映射算法，其特征在于，包括以下步骤：
A.人脸识别模型对测试样本评测得到识别率和误识率数据；
B.对步骤A中得到的识别率和误识率进行数据拟合；
C.选取数据分段映射；
D.根据拟合出来的公式进行输出分值映射。


2.根据权利要求1所述的人脸识别置信值映射算法，其特征在于：所述步骤A中用人脸识别模型对测试样本进行识别率和误识率评价，得到测试样本中每个分值所对应的识别率和误识率，其中分值代表对一个样本识别出来的概率。


3.根据权利要求2所述的人脸识别置信值映射算法，其特征在于：所述步骤B中以分值为横坐标，识别率、误识率为纵坐标分别对步骤A中获得的数据进行拟合得出数据曲线。


4.根据权利要求3所述的人脸识别置信值...

【专利技术属性】
技术研发人员：王汝杰，王志保，陈澎祥，李森，慈红斌，
申请(专利权)人：天津天地伟业机器人技术有限公司，
类型：发明
国别省市：天津;12