用于人脸识别的流形学习图像特征提取的深度学习方法技术

本发明专利技术公开了一种用于人脸识别的流形学习图像特征提取的深度学习方法，步骤如下：通过使用区域建议算法生成建议框，建议框在图片上进行扫描得出局部图片，并将图片传授给下一步；完成高维非线性的流形学习算法的构建；通过定义一个样本点局部邻域密度分布因子，且嵌入到降维算法中；运用该算法将人脸的不同表情特征由高维降至2维或3维，有效地进行人脸识别；通过流形学习算法得到的人脸特征，使用基于自注意机制和投票机制的残差神经网络对图片进行筛选，完成最后的分类。本发明专利技术的模型检测速度比传统的检测算法快1

【技术实现步骤摘要】
用于人脸识别的流形学习图像特征提取的深度学习方法


[0001]本专利技术涉及人脸识别的流形学习算法，特别是一种用于人脸识别的流形学习图像特征提取的深度学习方法。

技术介绍

[0002]人脸图像识别是一个具有高度理论和应用价值的研究课题。人脸识别是身份认证的一种有效方法，人脸图像具有高可靠性、安全性、易获取性等特点，已成为现代身份识别提供了一个极好的解决方案。
[0003]由于人脸在表情和姿势有变化的时候，往往会带来非线性变形，所以用一般的降维方法不能够真正地揭示图像空间的内蕴结构，而流形学习方法则可以很好的做到，体现出它的优势。流形学习方法现现在已经成为数据降维和特征提取领域的一个研究热点。
[0004]基于传统机器学习的人脸识别算法主要分为三个部分，分别是生成大量建议框、特征提取和图像分类。
[0005]首先是建议框生成，该步骤最简单的想法就是使用滑动窗口算法在图片中生成大量的待检测框，然后检测该框内是否存在目标，如果存在，则该框在原图中的位置即为目标检测出的位置，因此在该步骤中对目标的覆盖率越大，则建议框生成策略越好本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于人脸识别的流形学习图像特征提取的深度学习方法，其特征在于，应用流行学习对人脸图像从高维特征中降低到低维特征，来帮助深度学习网络特征提取，包括以下步骤：(1)通过使用区域建议算法生成建议框，建议框在图片上进行扫描得出局部图片，并将图片传授给步骤(2)；(2)完成高维非线性的流形学习算法的构建；通过定义一个样本点局部邻域密度分布因子，且嵌入到降维算法中，从而对非均匀数据进行有效降维；运用该算法将人脸的不同表情特征由高维降至2维或3维，有效地进行人脸识别；(3)通过流形学习算法得到的人脸特征，使用基于自注意机制和投票机制的残差神经网络对图片进行筛选，完成最后的分类。2.根据权利要求1所述的一种用于人脸识别的流形学习图像特征提取的深度学习方法，其特征在于，所述步骤(1)具体为：(1.1)从摄像头中进行获取到人脸图像；(1.2)使用区域建议算法获取相应的图片，将图片使用归一化算法转化为一个特征向量；(1.3)将特征向量放入流形学习的方法中，对特征向量进行降维，产生低维特征；(1.4)将图像特征输入到分类器中得到判断结果，并查看是否扫描完毕，如何还未完成扫描就继续进行扫描，否则算法结束。3.根据权利要求1所述的一种用于人脸识别的流形学习图像特征提取的深度学习方法，其特征在于，所述步骤(2)具体为：使用流形学习来提取特征的方法是Laplaci...

【专利技术属性】
技术研发人员：葛慧林，朱志宇，臧旭，戴跃伟，王彪，刘润邦，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：