一种实时更新余弦夹角损失函数参数的人脸识别方法技术

本发明专利技术提出了一种实时更新余弦夹角损失函数参数的人脸识别方法，属于计算机视觉中的人脸识别领域。该方法包括：（1）收集人脸图像，并将人脸图像按个体分类，并对每个人脸图像进行数据标注；（2）对人脸图像进行图像预处理，得到人脸图像数据集；（3）初始化余弦夹角损失函数的的余弦值放大尺度和余弦夹角间隔；（4）将图像数据集送入卷积神经网络，实时计算更新余弦值放大尺度和余弦夹角间隔，直至完成对卷积神经网络的训练，（5）将需要进行比对判断的人脸图像输入训练好的卷积神经网络中，输出人脸特征向量，用于进行人脸识别匹配。本发明专利技术的人脸识别方法具有训练收敛速度快，识别准确率高的特点。

【技术实现步骤摘要】
一种实时更新余弦夹角损失函数参数的人脸识别方法
本专利技术属于计算机视觉中的人脸识别领域，尤其涉及到一种基于自适应学习机制实时更新余弦夹角损失函数参数的人脸识别方法。
技术介绍
随着计算机视觉技术的发展以及日渐增长的智能安防、电子商务等需求，人脸识别技术成为人工智能应用产品落地最为广泛的一个领域。使用深度学习方法的人脸识别技术核心在于通过卷积神经网络（CNN）抽象化出人脸图像的特征，用于计算人脸图像之间的相似度，进而实现人脸识别的功能。在人脸识别的实际应用中，往往受到摄像头成像、光照、面部遮挡等因素的影响，造成识别能力下降，从而影响最终识别结果。特别在金融、安防等重要场景，错误的人脸识别结果可能造成不可估量的影响。因而如何训练出一个能精确提取人脸特征的卷积神经网络成为计算机视觉技术中心一个重要的研究课题。在卷积神经网络训练过程中，损失函数的选取对最终的特征提取能力有决定性的影响。为了提升人脸识别模型的判别性能，近年来一系列加入间隔抑制的余弦夹角损失函数，如A-Softmax，CosFace,ArcFace开始成为训练人脸识别模型的主流方本文档来自技高网...

【技术保护点】
1.一种实时更新余弦夹角损失函数参数的人脸识别方法，其特征在于，包括以下步骤：/n（1）收集人脸图像，并将人脸图像按个体进行分类，并按照分类的结果对每个人脸图像进行数据标注；/n（2）将步骤（1）收集的人脸图像进行水平翻转、去噪、亮度增强和对比度增强处理后，得到人脸图像数据集，将所述人脸图像数据集分批；/n（3）初始化余弦夹角损失函数的余弦值放大尺度和余弦夹角间隔，根据初始化的余弦值放大尺度和余弦夹角间隔，得到余弦夹角损失函数；/n（4）将第一批人脸图像数据集输入卷积神经网络中进行人脸类别训练，根据所述卷积神经网络中Softmax层的输出的人脸图像的特征向量，计算每个人脸图像的特征向量与目标类...

【技术特征摘要】
1.一种实时更新余弦夹角损失函数参数的人脸识别方法，其特征在于，包括以下步骤：
（1）收集人脸图像，并将人脸图像按个体进行分类，并按照分类的结果对每个人脸图像进行数据标注；
（2）将步骤（1）收集的人脸图像进行水平翻转、去噪、亮度增强和对比度增强处理后，得到人脸图像数据集，将所述人脸图像数据集分批；
（3）初始化余弦夹角损失函数的余弦值放大尺度和余弦夹角间隔，根据初始化的余弦值放大尺度和余弦夹角间隔，得到余弦夹角损失函数；
（4）将第一批人脸图像数据集输入卷积神经网络中进行人脸类别训练，根据所述卷积神经网络中Softmax层的输出的人脸图像的特征向量，计算每个人脸图像的特征向量与目标类别的特征向量的夹角，并获得夹角的中位数，同时更新余弦值放大尺度；随后计算每个人脸图像的特征向量与目标类别的特征向量和非目标类别的特征向量的余弦夹角指数值之和，并获得余弦夹角指数值之和的中位数，更新余弦夹角间隔；将更新的余弦值放大尺度和余弦夹角间隔分别与初始化的余弦值放大尺度和余弦夹角间隔进行...

【专利技术属性】
技术研发人员：黎晨阳，陆易，何鹏飞，徐晓刚，王军，
申请(专利权)人：之江实验室，
类型：发明
国别省市：浙江;33