人脸识别方法技术

本发明专利技术揭示了一种人脸识别方法，所述人脸识别方法包括：步骤S1、获取人脸图片；步骤S2、经过深度神经网络提取人脸特征；步骤S3、获取第一损失函数；步骤S4、获取第二损失函数；步骤S5、获取总损失函数；步骤S6、将两个人脸特征向量进行相似性计算；步骤S7、网络训练步骤。本发明专利技术提出的人脸识别方法，可提高识别精确度。本发明专利技术可以使不同人之间的人脸特征向量的距离尽可能远，同一人之间的人脸特征向量的距离尽可能近。

Face recognition method

【技术实现步骤摘要】
人脸识别方法
本专利技术属于人脸识别
，涉及一种人脸识别方法，尤其涉及一种能提高识别精确度的人脸识别方法。
技术介绍
在人脸识别领域，损失函数是在利用深度学习优化分类、识别模型时一般使用softmax损失函数(公开的常用方法)，对于人脸识别任务，一个优秀的模型是同一人的照片的特征之间的距离尽可能地近，而不同人照片地特征之间地距离尽可能远。但softmax只是能做到分类，不能把同一人的照片特征尽可能近，而不同人的照片特征尽可能远。所以人们提出了arcface。式中，x*表示神经网络输出层。在人脸识别中，一般被用作人脸特征。表示对人脸特征作个归一化处理；是对权重向量做归一化处理。在xi和Wji之间的θji上加上角度间隔m，以加法的方式惩罚人脸照片特征与其相应权重之间的角度，使得每个人的人脸特征与对应的权重之间的夹角尽可能小，也就是每个人的人脸特征尽可能靠近对应的权重向量，从而增强了类内紧度，即让同一人脸的照片特征尽可能近；s是一个超参，在训练时制定。由上所知，arcface损失函数优化的是让每个人的照片特征尽可本文档来自技高网...

【技术保护点】
1.一种人脸识别方法，其特征在于，所述人脸识别方法包括：/n步骤S1、获取人脸图片；/n步骤S2、经过深度神经网络提取人脸特征；/n步骤S3、获取第一损失函数；

【技术特征摘要】
1.一种人脸识别方法，其特征在于，所述人脸识别方法包括：
步骤S1、获取人脸图片；
步骤S2、经过深度神经网络提取人脸特征；
步骤S3、获取第一损失函数；









式中，N为每个批量照片的个数；S为超参，m为角边距,是一个超参；W是权重向量矩阵；
步骤S4、获取第二损失函数；t为超参；
步骤S5、获取总损失函数；L＝Larcface+λLedu；λ为超参；
在训练过程中，级联卷积神经网络结构和总损失函数，通过不断迭代优化网络参数；最终得到基于深度学习的人脸识别模型；利用训练阶段获取的人脸识别模型，对于每一张人脸照片，提取人脸特征；
步骤S6、将两个人脸特征向量进行相似性计算，采用余弦夹角的方式；
设两个人脸特征向量为：F1＝[f1,1,f1,2,…,f1,n-1,f1,n]，F2＝[f2,1,f2,2,…,f2,n-1,f2,n]；
则这两个人脸特征向量的相似度为：相似度值越大，表明这两个人脸特征越相似，同一个人的可能性越大；
步骤S7、网络训练步骤；对于训练网络参数，采用带小批量Mini-batch的...

【专利技术属性】
技术研发人员：田晶晶，
申请(专利权)人：上海涛润医疗科技有限公司，
类型：发明
国别省市：上海;31