基于进化弱分类器的人脸信息识别方法、系统以及终端技术方案

本发明专利技术的基于进化弱分类器的人脸信息识别方法、系统以及终端，解决了现有技术中采用深度学习模型进行人脸识别在实际应用中的局限性，包括存储容量大、功耗多、计算延迟高以及对类别间数据的不平衡十分敏感等问题。本发明专利技术采用的基于进化弱分类器的人脸信息识别方法，不仅准确度高还具有轻量级属性，在大数据集和小数据集上都适用，可以在确保一定准确率的情况下，使模型更加灵活，使其可以在边缘端实现实时推理，并且兼容性和鲁棒性增加。

【技术实现步骤摘要】
基于进化弱分类器的人脸信息识别方法、系统以及终端
本专利技术涉及人脸识别领域，特别是涉及一种基于进化弱分类器的人脸信息识别方法、系统以及终端。
技术介绍
面部外观中包含很多有价值的个人信息，例如表情、风格、性别、年龄等。由于人类的面部信息相对稳定，因此有很多研究者投身于人脸智能识别技术的发展中。人脸识别作为模式识别的一个重要分支，是该领域中一个前景广阔但难度较高的课题之一。这个任务的一个典型且有效的方法是先通过描述符和滤波器提取面部特征数值，然后采用合适的分类器完成剩余的部分。如今，深度学习模型在分类准确性上具有相当的竞争力，这些深度学习模型将特征提取和模式分类集成到端到端的学习系统中，从而可以通过训练过程优化潜在特征的检索和使用。从准确率的角度来看，采用深度学习模型可以解决面部信息识别中的大部分问题，但在实际应用中也带来了一些局限性。首先，在真实的商业项目中，拿到大量带有标签的数据通常是不可能的。在这种情况下，训练深度神经网络往往会出现过拟合的现象。其次，深度学习模型的重量级架构直接导致了存储容量大、功耗多、计算延迟高等问题，尤其是在像相机和手机这样的终端用户设备上。使用深度学习方法的最后一个问题是，它们对类别间数据的不平衡十分敏感。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种基于进化弱分类器的人脸信息识别方法、系统以及终端，用于解决现有技术中采用深度学习模型进行人脸识别在实际应用中的局限性，包括存储容量大、功耗多、计算延迟高以及对类别间数据的不平衡十分敏感等问题。<br>为实现上述目的及其他相关目的，本专利技术提供一种基于进化弱分类器的人脸信息识别方法，包括：利用通用滤波器对人脸图像数据提取至少两个面部特征；基于所述面部特征训练获得多个弱分类器，并得到包含于对应各个弱分类器的识别结果；随机形成多个包含相同数量的弱分类器的弱分类器集合，并获得与所述识别结果相关的各个弱分类器集合的性能指标；根据各个弱分类器集合的性能指标对所述弱分类器集合进行一或多代的进化，获得最优弱分类器集合；根据所述最优弱分类器集合对所述人脸图像数据进行推理分类获得人脸信息识别结果。于本专利技术的一实施例中，所述根据各个弱分类器集合的性能指标对所述弱分类器集合进行一或多代的进化，获得最优弱分类器集合的方式包括：当根据各个弱分类器集合的性能指标对所述弱分类器集合进行一代进化时，随机选择进化阈值数量的弱分类器集合并进行性能指标排序，以获得第一代的最优弱分类器集合；当根据各个弱分类器集合的性能指标对所述弱分类器集合进行多代进化时，根据上一代经过多次亲本选择获得的进化阈值数量的后代集合作为本代的待选择弱分类器集合进行亲本选择获得一或多个后代集合，将本代的后代集合中性能指标最高的集合作为本代的最优弱分类器集合。于本专利技术的一实施例中，所述面部特征包括：表情特征、风格特征、性别特征、年龄特征以及五官特征中的一种或多种。于本专利技术的一实施例中，所述基于所述面部特征训练获得多个弱分类器，并得到包含于对应各个弱分类器的识别结果的方式包括：基于由任意两个面部特征分别训练得到的多个弱分类器；获得每个分类器包含其对应的各面部特征的统计概率的识别结果。于本专利技术的一实施例中，所述随机形成多个包含相同数量的弱分类器的弱分类器集合，并获得与所述识别结果相关的各个弱分类器集合的性能指标的方式：根据所述弱分类器随机获得包含相同数量的多个弱分类器集合；并根据各弱分类器集合中的各弱分类器的识别结果，推导获得用于判断各弱分类器集合分类准确率的性能指标。于本专利技术的一实施例中，所述亲本选择的方式包括：随机选取多个待选择弱分类器集合作为父本候选集合，并在未被选择为父本候选集合的待选择弱分类器集合中随机选择与父本候选集合相同数量的母本候选集合；分别在所述父本候选集合以及母本候选集合中性能指标最大的集合为父本集合和母本集合；并根据所述父本集合和母本集合获得后代集合。于本专利技术的一实施例中，所述并根据所述父本集合和母本集合获得后代集合的方式包括：将所述父本集合和母本集合经过交叉和/或变异操作获得后代集合；其中，所述交叉操作包括：是指从父本集合和母本集合中各随机选择一或多个弱分类器；所述变异操作包括随机选择非父本集合和非母本集合中的一或多个弱分类器。于本专利技术的一实施例中，所述根据所述最优弱分类器集合对所述人脸图像数据进行推理分类获得人脸信息识别结果的方式包括：基于将所述贝叶斯概率公式中的P(E＝ej)进行归一化获得的改进的贝叶斯概率公式，根据所述最优弱分类器集合对所述人脸图像数据进行推理分类获得人脸信息识别结果；所述贝叶斯概率包括：其中，si表示该分类器的输出，E＝ej表示已知样本E在类ej中,T是所述最优弱分类器集合，由K个弱分类器组成。为实现上述目的及其他相关目的，本专利技术提供一种基于进化弱分类器的人脸信息识别系统，所述系统包括：特征提取模块，用于利用通用滤波器对人脸图像数据提取至少两个面部特征；弱分类器训练模块，连接所述特征提取模块，用于基于所述面部特征训练获得多个弱分类器，并得到包含于对应各个弱分类器的识别结果；弱分类器集合模块，连接所述弱分类器训练模块，用于随机形成多个包含相同数量的弱分类器的弱分类器集合，并获得与所述识别结果相关的各个弱分类器集合的性能指标；进化模块，连接所述弱分类器集合模块，用于根据各个弱分类器集合的性能指标对所述弱分类器集合进行一或多代的进化，获得最优弱分类器集合；推理分类模块，连接所述进化模块，用于根据所述最优弱分类器集合对所述人脸图像数据进行推理分类获得人脸信息识别结果。为实现上述目的及其他相关目的，本专利技术提供一种基于进化弱分类器的人脸信息识别终端，包括：存储器，用于存储计算机程序；处理器，用于执行所述的基于进化弱分类器的人脸信息识别方法。如上所述，本专利技术的一种基于进化弱分类器的人脸信息识别方法、系统以及终端，具有以下有益效果：本专利技术采用的基于进化弱分类器的人脸信息识别方法，不仅准确度高还具有轻量级属性，在大数据集和小数据集上都适用，可以在确保一定准确率的情况下，使模型更加灵活，使其可以在边缘端实现实时推理，并且兼容性和鲁棒性增加。附图说明图1显示为本专利技术一实施例中的基于进化弱分类器的人脸信息识别方法的流程示意图。图2显示为本专利技术一实施例中的弱分类器集合进行进化的流程示意图。图3显示为本专利技术一实施例中的基于进化弱分类器的人脸信息识别系统的结构示意图。图4显示为本专利技术一实施例中的基于进化弱分类器的人脸信息识别终端的结构示意图。具体实施方式以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。需要说明的是，在下述描述中本文档来自技高网...

【技术保护点】
1.一种基于进化弱分类器的人脸信息识别方法，其特征在于，包括：/n利用通用滤波器对人脸图像数据提取至少两个面部特征；/n基于所述面部特征训练获得多个弱分类器，并得到包含于对应各个弱分类器的识别结果；/n随机形成多个包含相同数量的弱分类器的弱分类器集合，并获得与所述识别结果相关的各个弱分类器集合的性能指标；/n根据各个弱分类器集合的性能指标对所述弱分类器集合进行一或多代的进化，获得最优弱分类器集合；/n根据所述最优弱分类器集合对所述人脸图像数据进行推理分类获得人脸信息识别结果。/n

【技术特征摘要】
1.一种基于进化弱分类器的人脸信息识别方法，其特征在于，包括：
利用通用滤波器对人脸图像数据提取至少两个面部特征；
基于所述面部特征训练获得多个弱分类器，并得到包含于对应各个弱分类器的识别结果；
随机形成多个包含相同数量的弱分类器的弱分类器集合，并获得与所述识别结果相关的各个弱分类器集合的性能指标；
根据各个弱分类器集合的性能指标对所述弱分类器集合进行一或多代的进化，获得最优弱分类器集合；
根据所述最优弱分类器集合对所述人脸图像数据进行推理分类获得人脸信息识别结果。


2.根据权利要求1中所述的基于进化弱分类器的人脸信息识别方法，其特征在于，所述根据各个弱分类器集合的性能指标对所述弱分类器集合进行一或多代的进化，获得最优弱分类器集合的方式包括：
当根据各个弱分类器集合的性能指标对所述弱分类器集合进行一代进化时，随机选择进化阈值数量的弱分类器集合并进行性能指标排序，以获得第一代的最优弱分类器集合；
当根据各个弱分类器集合的性能指标对所述弱分类器集合进行多代进化时，根据上一代经过多次亲本选择获得的进化阈值数量的后代集合作为本代的待选择弱分类器集合进行亲本选择获得一或多个后代集合，将本代的后代集合中性能指标最高的集合作为本代的最优弱分类器集合。


3.根据权利要求1中所述的基于进化弱分类器的人脸信息识别方法，其特征在于，所述面部特征包括：表情特征、风格特征、性别特征、年龄特征以及五官特征中的一种或多种。


4.根据权利要求1中所述的基于进化弱分类器的人脸信息识别方法，其特征在于，所述基于所述面部特征训练获得多个弱分类器，并得到包含于对应各个弱分类器的识别结果的方式包括：
基于由任意两个面部特征分别训练得到的多个弱分类器；
获得每个分类器包含其对应的各面部特征的统计概率的识别结果。


5.根据权利要求1中所述的基于进化弱分类器的人脸信息识别方法，其特征在于，所述随机形成多个包含相同数量的弱分类器的弱分类器集合，并获得与所述识别结果相关的各个弱分类器集合的性能指标的方式：
根据所述弱分类器随机获得包含相同数量的多个弱分类器集合；
并根据各弱分类器集合中的各弱分类器的识别结果，推导获得用于判断各弱分类器集合分类准确率的性能指标。


6.根据权利要求2中所述的基于进化弱分类器的人脸信息识别方法，其特征在于，所述亲本选择的方式包括：<...

【专利技术属性】
技术研发人员：杨文志，杨金鑫，曲晨，赵宇飞，梁龙飞，
申请(专利权)人：上海新氦类脑智能科技有限公司，
类型：发明
国别省市：上海;31