一种跨年龄识别的儿童人脸识别算法制造技术

技术编号:26172584 阅读:28 留言:0更新日期:2020-10-31 13:51
本发明专利技术涉及儿童人脸识别算法,具体涉及一种跨年龄识别的儿童人脸识别算法,获取现有人脸识别模型以及儿童人脸图像样本集,并从现有人脸识别模型中提取第一图像分类层,根据儿童人脸图像样本集对第一图像分类层进行调整,得到第二图像分类层,并用第二图像分类层替代第一图像分类层,利用儿童人脸图像样本集对现有现有人脸识别模型进行训练,得到儿童人脸识别模型,采集儿童人脸图像,对人脸图像进行定位检测,并将处理后的儿童人脸图像上传到儿童人脸识别模型进行识别;本发明专利技术提供的技术方案能够有效克服现有技术所存在的无法对儿童人脸识别模型进行有效训练、跨年龄儿童人脸识别准确度较低的缺陷。

A cross age recognition algorithm for children's face recognition

【技术实现步骤摘要】
一种跨年龄识别的儿童人脸识别算法
本专利技术涉及儿童人脸识别算法,具体涉及一种跨年龄识别的儿童人脸识别算法。
技术介绍
随着科学技术的不断进步以及社会各方面对于快速有效自动身份验证的迫切需要,生物特征识别技术在近几十年中得到了飞速发展和应用。其中,人脸识别技术成为非常热门的研究课题,但目前的人脸识别技术还存在一些问题,其中一个很重要的问题就是人脸识别的识别率受年龄的影响较大。在人脸识别中,不同个体之间的人脸差异往往小于相同个体在不同情况下的人脸差异,这种情形在跨年龄人脸识别中尤为常见。人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等,人脸特征提取就是针对人脸的某些特征进行的。其中一个经典的方法是采用提取局部人脸特征的方法,比如提取局部二值模式(LBP)和尺度不变特征转换(SIFT)来做特征表达,虽然这些方法取得了一定的成功,但是依旧存在一些局限性。采用传统的特征描述符(例如LBP和SIFT等)来提取通用人脸局部特征中,传统的LBP算法是基于经验编码的方式,主观认为人脸特征中等价二值本文档来自技高网...

【技术保护点】
1.一种跨年龄识别的儿童人脸识别算法,其特征在于:包括以下步骤:/nS1、获取现有人脸识别模型以及儿童人脸图像样本集,并从现有人脸识别模型中提取第一图像分类层;/nS2、根据儿童人脸图像样本集对第一图像分类层进行调整,得到第二图像分类层,并用第二图像分类层替代第一图像分类层;/nS3、利用儿童人脸图像样本集对现有现有人脸识别模型进行训练,得到儿童人脸识别模型;/nS4、采集儿童人脸图像,对人脸图像进行定位检测,并将处理后的儿童人脸图像上传到儿童人脸识别模型进行识别;/nS5、利用各年龄人脸生成模型,获取上传儿童人脸图像对应的多个年龄人脸图像,并将年龄人脸图像输入人脸特征提取模型,得到各年龄特征...

【技术特征摘要】
1.一种跨年龄识别的儿童人脸识别算法,其特征在于:包括以下步骤:
S1、获取现有人脸识别模型以及儿童人脸图像样本集,并从现有人脸识别模型中提取第一图像分类层;
S2、根据儿童人脸图像样本集对第一图像分类层进行调整,得到第二图像分类层,并用第二图像分类层替代第一图像分类层;
S3、利用儿童人脸图像样本集对现有现有人脸识别模型进行训练,得到儿童人脸识别模型;
S4、采集儿童人脸图像,对人脸图像进行定位检测,并将处理后的儿童人脸图像上传到儿童人脸识别模型进行识别;
S5、利用各年龄人脸生成模型,获取上传儿童人脸图像对应的多个年龄人脸图像,并将年龄人脸图像输入人脸特征提取模型,得到各年龄特征向量;
S6、根据各年龄特征向量得到综合特征向量,并结合儿童人脸识别模型,得到待识别儿童人脸图像的识别结果。


2.根据权利要求1所述的跨年龄识别的儿童人脸识别算法,其特征在于:所述利用儿童人脸图像样本集对现有现有人脸识别模型进行训练,得到儿童人脸识别模型,包括以下步骤:
S31、保持现有人脸识别模型中第二图像分类层之前的神经网络参数不变,将儿童人脸图像样本集输入现有人脸识别模型进行训练;
S32、解除人脸识别模型中第二图像分类层之前的神经网络参数不变的状态,再将儿童人脸图像样本集输入现有人脸识别模型进行训练,得到儿童人脸识别模型。


3.根据权利要求2所述的跨年龄识别的儿童人脸识别算法,其特征在于:S31中将儿童人脸图像样本集输入现有人脸识别模型进行训练,包括以下步骤:
S311、从儿童人脸图像样本集中随机选取儿童人脸图像输入现有人脸识别模型;
S312、根据识别结果计算该现有人脸识别模型的代价函数;
S313、若该现有人脸识别模型的代价函数小于阈值,则训练完成;否则使用BP算法对第二图像分类层进行...

【专利技术属性】
技术研发人员:张云龙张云凤
申请(专利权)人:安徽兰臣信息科技有限公司
类型:发明
国别省市:安徽;34

网友询问留言 已有0条评论
  • 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。

1