一种基于质量感知的人脸识别方法技术

本发明专利技术公开了一种基于质量感知的人脸识别方法，其特点是该方法包括：删除训练集中与测试集重合的人物图像；设计基于质量感知的人脸识别训练框架；设计人脸图像质量感知和分类方法；设计分类损失函数；设计用于低质量人脸图像学习的对比损失函数；组合框架中的数据增强模块、特征提取网络、质量感知模块、分类损失和对比损失，并训练至收敛等步骤。本发明专利技术与相应技术相比具有在混合质量数据集的人脸识别任务上通过衡量人脸图像质量，对高质量和低质量图像分别采用不同的学习方法，有助于提升模型在混合质量人脸图像识别任务中获得更好的表现，可以适用于不同图像质量的人脸的识别，提高人脸识别方法在实际应用场景中的适应性和准确率。和准确率。和准确率。

【技术实现步骤摘要】
一种基于质量感知的人脸识别方法


[0001]本专利技术涉及人脸识别
，尤其是一种基于质量感知的人脸识别方法。

技术介绍

[0002]人脸信息是具有不可更改性和唯一性的生物特征信息。随着人工智能技术水平的迅速发展以及经济发展水平的提高，在大数据应用的带领下，人脸识别在智慧城市、安防市场、在线支付等领域得到了广泛的应用，已成为应用最广泛的生物识别技术。现有方法在一些高质量图像数据集上取得了较高的准确率。但实际应用中，由于图像采集受到设备、天气、光照等诸多因素的影响，人脸图像质量参差不一，现有方法难以兼顾不同质量的人脸图像的特性，实际识别准确率会大大降低。
[0003]经过研究人员数十年的努力，现有方法对于高质量人脸图像识别的性能已经相对令人满意，但相关方法应用于低质量图像时，准确率下降明显。为解决低质量人脸识别问题，研究人员提出质量无关方法，试图使用预训练的高质量模型去学习低质量图像。但由于其丢失了部分具有较好区分性的信息，导致在高质量数据上的识别效果降低。其它一些方法通过在训练过程中降低低质量图像权重的方式，减少低质量图像对模型训练本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于质量感知的人脸识别方法，其特征在于，该人脸识别方法具体包括下述步骤：步骤S1：数据集的采集下载公开的高质量和低质量人脸图像作为训练集和测试集，删除训练集中与测试集重合的人物图，实现开放数据集测试；步骤S2：数据集的处理对训练集和测试集中的每张图片进行人脸检测并定位，将人脸图像部分裁剪后进行标准化处理；步骤S3：人脸识别模型的构建构建包括：数据增强模块Aug、图像质量感知模块z、分类损失函数和对比损失函数的人脸识别模型框架，所述数据增强模块Aug为特征提取躯干网络；所述图像质量感知模块z在对大小为的每一批次样本的学习过程中，估计输入的每个样本的图像质量，并将其分为高质量和低质量图像；步骤S4：高、低质量图像的获取对输入图像，通过特征提取躯干网络，计算其特征向量，使用特征向量的模作为图像质量指示器，将一批次输入的所有图像分为高质量和低质量图像；步骤S5：分类损失函数的学习对于高质量图像使用下述(a)式分类损失函数进行学习；其中，cos(θ
j
)为两个特征向量的余弦相似度，W
j
为分类层权重的第3列，代表第3个人脸类别；θ
j
为图像特征副本h与W
j
在高维空间中的夹角；s为调整Softmax函数输出分布的尺度参数；exp是以常数e为底的指数函数；B为训练批次中的样本数量；步骤S6：对比损失函数的学习对于低质量图像，使用下述(b)式对比损失函数进行学习：其中，cosh1,h2)为两个特征向量的余弦相似度，h
q
、h
k
分别为输入图像和图像增强后的特征向量，y
q
为图像的标签；s为调整Softmax函数输出分布的尺度参数；exp是以常数e为底的指数函数；Q是样本对的数量；步骤S7：人脸识别模型的训练组合包括：特征提取躯干网络、图像质量感知模块z、分类损失函数和对比损失函数的训练框架，训练人脸识别模型至收敛。2.根据权利要求1所述基于质量感知的人脸识别方法，其特征在于，所述图像质量感知
模块z对大小为B的一个批次里的每个样本(i＝1,2,
…
,)，通过特征提取网络，计算其特征向量h，且以特征向量的模z＝‖h‖作为衡量图像质量，对所有样本{|i＝1,2,<...

【专利技术属性】
技术研发人员：王峰，宋有哲，孙仕亮，
申请(专利权)人：华东师范大学，
类型：发明
国别省市：