基于迁移学习和稀疏损失函数的人脸识别方法技术

本发明专利技术公开一种基于迁移学习和稀疏损失函数的人脸识别方法，其特征在于：包括人脸数据库，该人脸数据库采用深度图像的组合，作为孪生神经网络模块的输入；孪生神经网络模块，该孪生神经网络模块中设置有卷积神经网络，用于提取人脸数据库输入的人脸的特征向量；将孪生神经网络模块提取到的人脸的特征向量，通过误差损失函数来计算输出的人脸特征向量的误差，并对孪生神经网络模块进行训练，使整个模型的误差越来越小。本发明专利技术通过孪生神经网络模块对这些组合进行训练，设计了新的稀疏损失函数，无论在正样本还是负样本的情况下，计算的误差将会在一定范围内，并且设计了边界参数，使得负样本的误差在边界之内，因此可快速准确的对人脸进行识别。

【技术实现步骤摘要】
基于迁移学习和稀疏损失函数的人脸识别方法
本专利技术属于人脸识别
，具体说是一种基于迁移学习和稀疏损失函数的人脸识别方法。
技术介绍
人脸识别技术是一种高精度、易于使用、稳定性高的生物识别技术，在很多海关、机场、银行等重要检测领域都有着广泛的应用，在保障人身和财产安全上有着重要的意义；实现人脸识别首先需要找到人脸区域，再进行人脸特征提取，在进特征提取时，常常容易受到环境的影响，比如光照条件不同、人脸的不同姿态和表情等，如何在复杂场景下进行准确的人脸识别，是当下人脸识别的研究内容之一，实现对光照、表情和姿态的人脸鲁棒性检测，有助于提高人脸图像的识别率。
技术实现思路
专利技术目的：针对上述现有技术存在的不足，本专利技术的目的是提供一种基于迁移学习和稀疏损失函数的人脸识别方法，能够根据人脸深度图像快速识别出人脸，并且能够对不同表情和姿态的人脸进行识别。技术方案：为了实现上述专利技术目的，本专利技术采用的技术方案如下：一种基于迁移学习和稀疏损失函数的人脸识别方法，其特征在于：包括人脸数据库，该人脸数据库采用深度图像的本文档来自技高网...

【技术保护点】
1.基于迁移学习和稀疏损失函数的人脸识别方法，其特征在于：包括人脸数据库，该人脸数据库采用深度图像的组合，作为孪生神经网络模块的输入；/n孪生神经网络模块，该孪生神经网络模块中设置有卷积神经网络，用于提取人脸数据库输入的人脸的特征向量；/n误差损失函数，将孪生神经网络模块提取到的人脸的特征向量，通过误差损失函数来计算输出的人脸特征向量的误差，并对孪生神经网络模块进行训练，使整个模型的误差越来越小。/n

【技术特征摘要】
1.基于迁移学习和稀疏损失函数的人脸识别方法，其特征在于：包括人脸数据库，该人脸数据库采用深度图像的组合，作为孪生神经网络模块的输入；
孪生神经网络模块，该孪生神经网络模块中设置有卷积神经网络，用于提取人脸数据库输入的人脸的特征向量；
误差损失函数，将孪生神经网络模块提取到的人脸的特征向量，通过误差损失函数来计算输出的人脸特征向量的误差，并对孪生神经网络模块进行训练，使整个模型的误差越来越小。


2.根据权利要求1所述的一种基于迁移学习和稀疏损失函数的人脸识别方法，其特征在于：所述的误差损失函数设置为稀疏损失函数；通过误差损失函数来计算输出的人脸特征向量的误差，并对孪生神经网络模块进行训练，减小整个模型的误差。


3.根据权利要求2所述的一种基于迁移学习和稀疏损失函数的人脸识别方法，其特征在于：所述的人脸数据集采用人脸深度图像，图像中采用灰度值代表人脸面部的高度，该人脸数据集中含有若干人的人脸，每一人均设置有若干不同的图像，且不同的图像中含有不同的人脸...

【专利技术属性】
技术研发人员：邹红艳，孙鑫岩，李振业，倪超，
申请(专利权)人：南京林业大学，
类型：发明
国别省市：江苏;32