基于分数阶微积分的智慧法庭监控人脸识别系统及方法技术方案

本发明专利技术涉及计算机视觉与图像处理领域，其公开了一种基于分数阶微积分的智慧法庭监控人脸识别系统及方法，快速提取图片中有意义的特征，提高对特定区域的特征捕获能力，从而提高人脸识别精度。该方法包括：a.从捕捉到的人脸图像中提取感兴趣的人脸区域，获得待识别的人脸图片；b.对待识别的人脸图片进行预处理；c.采用训练好的改进的残差网络进行识别，获得人脸识别结果：对人脸图片进行特征提取，获得人脸特征图；利用通道注意力机制将人脸特征图在空间维度上进行压缩，产生通道注意力图；利用空间注意力机制将通道注意力图作为输入，在通道维度上进行压缩，产生空间注意力图；最后采用分类器将输出特征图和数据库中的人脸图像作对比，得到识别结果。得到识别结果。得到识别结果。

【技术实现步骤摘要】
基于分数阶微积分的智慧法庭监控人脸识别系统及方法


[0001]本专利技术涉及计算机视觉与图像处理领域，具体涉及一种基于分数阶微积分的智慧法庭监 控人脸识别系统及方法。

技术介绍

[0002]近年来，人脸识别技术作为一种用来抓取生物面部特征信息以及匹配现有数据库中人脸 数据的有力手段,具有非接触式、可自动抓取、应用成本较低等优点，在经济安全、信息安全、 公共安全等方面发挥着重要的作用,同时在越来越多的场景中得到了应用。
[0003]然而在在现实生活中，设备捕捉到的人脸图像受到自然光照、人物姿态表情、环境背景 等因素的影响，或是在当前新冠肺炎疫情下，佩戴口罩造成的人脸遮挡，这些现象使得人脸 识别依然面临着一些挑战。
[0004]由于残差网络在提取丰富的人脸特征的同时可以简化对更深层网络结构的训练，避免在 加深模型结构深度时造成模型退化，当前许多人脸识别模型都是基于残差网络ResNet作为网 络模型进行人脸识别的，但是现有的模型对于图片中有意义的特征提取以及某些特定区域的 特征捕获能力还不够，在识别精度上也有所欠缺。

技术实现思路

[0005]本专利技术所要解决的技术问题是：提出一种基于分数阶微积分的智慧法庭监控人脸识别系 统及方法，快速提取图片中有意义的特征，提高对特定区域的特征捕获能力，从而提高人脸 识别精度。
[0006]本专利技术解决上述技术问题采用的技术方案是：
[0007]一种基于分数阶微积分的智慧法庭监控人脸识别系统，包括：
[0008]人脸图片检测单元，用于从捕捉到的人脸图像中提取感兴趣的人脸区域，获得待识别的 人脸图片；
[0009]人脸图片预处理单元，用于对待识别的人脸图片进行预处理；
[0010]人脸识别单元，用于采用训练好的改进的残差网络对经过预处理的人脸图片进行识别， 获得人脸识别结果；
[0011]所述改进的残差网络包括卷积块、通道注意力模块、空间注意力模块和分类器；所述卷 积块用于对人脸图片进行特征提取，获得人脸特征图；所述通道注意力模块用于将人脸特征 图在空间维度上进行压缩，产生通道注意力图；所述空间注意力模块用于将通道注意力图作 为输入，在通道维度上进行压缩，产生空间注意力图；所述分类器用于将空间注意力图和数 据库中的人脸图像作对比，得到识别结果。
[0012]此外，基于上述人脸识别系统，本专利技术的另一方面还提供了一种基于分数阶微积分的智 慧法庭监控人脸识别方法，其包括以下步骤：
[0013]a.从捕捉到的人脸图像中提取感兴趣的人脸区域，获得待识别的人脸图片；
[0014]b.对待识别的人脸图片进行预处理；
[0015]c.采用训练好的改进的残差网络对经过预处理的人脸图片进行识别，获得人脸识别结果：
[0016]对人脸图片进行特征提取，获得人脸特征图；利用通道注意力机制将人脸特征图在空间 维度上进行压缩，产生通道注意力图；利用空间注意力机制将通道注意力图作为输入，在通 道维度上进行压缩，产生空间注意力图；最后采用分类器将空间注意力图和数据库中的人脸 图像作对比，得到识别结果。
[0017]作为进一步优化，步骤b中，所述预处理包括采用训练好的MTCNN网络(多任务级联 卷积神经网络)对待识别的人脸图片进行矫正和裁剪。
[0018]作为进一步优化，步骤c中，所述利用通道注意力机制将人脸特征图在空间维度上进行 压缩，产生通道注意力图，包括：
[0019]采用通道注意力机制将人脸特征图在空间维度上进行压缩，使用平均池化和最大池化来 聚合特征映射的空间信息，将平均池化和最大池化操作生成的特征送到一个共享的多层神经 网络，压缩输入特征图的空间维数，逐元素求和合并，最后产生通道注意力图。
[0020]作为进一步优化，所述通道注意力机制表示为：
[0021][0022]其中，σ为Sigmoid函数，W0和W1为卷积乘法的权重。
[0023]作为进一步优化，步骤c中，所述利用空间注意力机制将通道注意力图作为输入，在通 道维度上进行压缩，产生空间注意力图，包括：
[0024]对输入的通道注意力图进行通道压缩，在通道维度上分别进行平均池化和最大池化，然 后对池化后的特征进行合并，得到一个二维空间的特征图，再经过一个卷积操作进行降维， 最后生成空间注意力图。
[0025]作为进一步优化，所述空间注意力机制表示为：
[0026][0027]其中σ为Sigmoid函数，7
×
7代表卷积核大小。
[0028]作为进一步优化，步骤c中，所述分类器采用Arcface损失函数作为分类函数。
[0029]作为进一步优化，所述Sigmoid函数表示为：
[0030][0031]采用分数阶微分进行处理。
[0032]本专利技术的有益效果是：
[0033]提出的改进残差网络结构在ResNet残差网络的基础上，加入了通道注意力和空间注意力 机制，从而从通道和空间两个维度来提取特征，不仅能够快速提取人脸图片中有意义的特征， 对于特定区域的特征捕获能力也有所提高；此外，采用分数阶微分对节点函数进行处理，可 以加快网络模型在训练过程中的收敛速度，减少由于增加网络模型深度所花
费的时间代价。 因此，本专利技术能够实现在不增加过多计算开销的情况下，提高人脸识别的精度。
附图说明
[0034]图1为本专利技术中的人脸识别系统结构框图；
[0035]图2为本专利技术中的人脸识别方法流程图；
[0036]图3为本专利技术改进的残差网络原理示意图。
具体实施方式
[0037]本专利技术旨在提出一种基于分数阶微积分的智慧法庭监控人脸识别系统及方法，通过在原 有残差网络模型结构ResNet中增加注意力机制来增强人脸特征提取，融合不同通道和空间的 信息提升网络的健壮性，同时利用分数阶微分对节点函数进行处理，增加卷积块提取更多的 人脸细节信息，提高模型的识别性能。
[0038]在具体实现上，如图1所示，本专利技术中的人脸识别系统包括：人脸图片检测单元、人脸 图片预处理单元和人脸识别单元；
[0039]人脸图片检测单元，用于从捕捉到的人脸图像中提取感兴趣的人脸区域，获得待识别的 人脸图片；
[0040]人脸图片预处理单元，用于对待识别的人脸图片进行预处理；
[0041]人脸识别单元，用于采用训练好的改进的残差网络对经过预处理的人脸图片进行识别， 获得人脸识别结果；
[0042]本专利技术中的所述改进的残差网络以ResNet网络结构为基础，在模型的卷积块之后加入通 道注意力和空间注意力，如图3所示，具体包括卷积块、通道注意力模块、空间注意力模块 和分类器；所述卷积块用于对人脸图片进行特征提取，获得人脸特征图；所述通道注意力模 块用于将人脸特征图在空间维度上进行压缩，产生通道注意力图；所述空间注意力模块用于 将通道注意力图作为输入，在通道维度上进行压缩，产生空间注意力图；所述分类器用于将 空间注意力图和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于分数阶微积分的智慧法庭监控人脸识别系统，其特征在于，包括：人脸图片检测单元，用于从捕捉到的人脸图像中提取感兴趣的人脸区域，获得待识别的人脸图片；人脸图片预处理单元，用于对待识别的人脸图片进行预处理；人脸识别单元，用于采用训练好的改进的残差网络对经过预处理的人脸图片进行识别，获得人脸识别结果；所述改进的残差网络包括卷积块、通道注意力模块、空间注意力模块和分类器；所述卷积块用于对人脸图片进行特征提取，获得人脸特征图；所述通道注意力模块用于将人脸特征图在空间维度上进行压缩，产生通道注意力图；所述空间注意力模块用于将通道注意力图作为输入，在通道维度上进行压缩，产生空间注意力图；所述分类器用于将输出特征图和数据库中的人脸图像作对比，得到识别结果。2.基于分数阶微积分的智慧法庭监控人脸识别方法，应用于如权利要求1所述的人脸识别系统，其特征在于，包括以下步骤：a.从捕捉到的人脸图像中提取感兴趣的人脸区域，获得待识别的人脸图片；b.对待识别的人脸图片进行预处理；c.采用训练好的改进的残差网络对经过预处理的人脸图片进行识别，获得人脸识别结果：对人脸图片进行特征提取，获得人脸特征图；利用通道注意力机制将人脸特征图在空间维度上进行压缩，产生通道注意力图；利用空间注意力机制将通道注意力图作为输入，在通道维度上进行压缩，产生空间注意力图；最后采用分类器将输出特征图和数据库中的人脸图像作对比，得到识别结果。3.如权利要求2所述的基于分数阶微积分的智慧法庭监控人脸识别方法，其特征在于，步骤b中，所述预处理包括采用训练好的MTCNN网络对待识别的人脸图片进行矫正和裁剪。4.如权利要求2所述的基于分数阶微积分的智慧法庭监控...

【专利技术属性】
技术研发人员：彭朝霞，蒲亦非，王竹，周激流，张妮，
申请(专利权)人：四川大学，
类型：发明
国别省市：