一种基于弱光增强的人脸识别方法技术

本申请涉及一种基于弱光增强的人脸识别方法，该方法基于构建的人脸识别模型；在模型构建过程中，改进教师模型和学生模型的网络结构，通过两阶段弱光增强模块灵活的实现图像反射分量和光照分量的提取与图像增强；为将人脸图像增强与人脸识别任务有效结合，构造用于学习光照不变特征的联合训练框架，在像素级和特征级两个分支分别进行光照增强后进行人脸识别模型训练；本申请能够将大型人脸识别模型的正常光照条件下习得的知识转移到弱光照条件下的轻量模型中，有利于在真实场景中部署高精度的轻量人脸识别模型。

【技术实现步骤摘要】

本申请涉及人脸识别，具体地，涉及一种基于弱光增强的人脸识别方法。

技术介绍

1、基于深度学习的人脸识别技术在国家安全、军事、司法、海关、金融、公共卫生、教育、交通、物联网和民用安防等诸多领域得到了广泛的应用并创造了巨大的商业价值。目前，人脸识别技术的应用趋向于部署在存储及计算资源受到限制的移动端和嵌入式设备中，并且为了追求人脸识别的实时性，需要尽可能降低网络的延迟。然而，目前的人脸识别网络通常使用重量级的卷积神经网络作为特征提取的主干网络，需要大量的存储及计算资源，给资源受限的嵌入式系统部署高精度复杂人脸识别模型带来了极大的挑战。同时，在实际应用场景中，复杂环境变化影响着人脸识别任务的精确度。弱光照环境下获取的人脸图像中能够提取到的有效信息较少且包含较大的不确定性，导致识别准确率下降。

技术实现思路

1、为了克服现有技术中的至少一个不足，本申请提供一种基于弱光增强的人脸识别方法。

2、第一方面，提供一种人脸识别模型构建方法，包括：

3、构建教师模型和学生模型；所述教师模型包括第一两阶段本文档来自技高网...

【技术保护点】

1.一种人脸识别模型构建方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述第一两阶段弱光增强模块，包括LI-NET模块、LR-NET模块、CBAM模块、SPADE blk；

3.如权利要求2所述的方法，其特征在于，所述LI-NET模块为AOD-Net模块，所述LI-NET模块的最后一层为高斯模糊层，所述LI-NET模块的最后一个卷积层的输出通道数为1，并采用sigmoid作为激活函数。

4.如权利要求2所述的方法，其特征在于，所述LR-NET模块为AOD-Net模块，所述LR-NET模块的最后一个卷积层的通道数为3，并采用ReLU作...

【技术特征摘要】

1.一种人脸识别模型构建方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述第一两阶段弱光增强模块，包括li-net模块、lr-net模块、cbam模块、spade blk；

3.如权利要求2所述的方法，其特征在于，所述li-net模块为aod-net模块，所述li-net模块的最后一层为高斯模糊层，所述li-net模块的最后一个卷积层的输出通道数为1，并采用sigmoid作为激活函数。

4.如权利要求2所述的方法，其特征在于，所述lr-net模块为aod-net模块，所述lr-net模块的最后一个卷积层的通道数为3，并采用relu作为激活函数。<...

【专利技术属性】
技术研发人员：赵素文，王卓，王燕妮，叶贺超，
申请(专利权)人：西安建筑科技大学，
类型：发明
国别省市：