基于深度神經(jīng)網(wǎng)絡(luò)的實時人臉識別方法
【專利摘要】本發(fā)明提出了一種基于深度神經(jīng)網(wǎng)絡(luò)和鄰近元分析的實時人臉識別方法。本發(fā)明首先利用多樣性較好的大規(guī)模人臉庫訓(xùn)練出一種多層神經(jīng)網(wǎng)絡(luò)，其中除最后一層外的每層為非線性層，尾層為線性層；然后利用有監(jiān)督的鄰近元分析的方法在混合人臉庫的基礎(chǔ)上繼續(xù)訓(xùn)練得到的網(wǎng)絡(luò)，使得網(wǎng)絡(luò)對于人臉圖像的理解加深，達到縮短同一個體間人臉圖像距離、增大不同個體間人臉圖像距離的目的，最后在實際的人臉識別階段，本發(fā)明提出了一種“搜索半徑”的概念，在確保識別率的前提下，縮短了識別所需時間，實現(xiàn)了實時的人臉識別。本發(fā)明的識別正確率較高，同時，本發(fā)明的識別速度較快，適合應(yīng)用于實時人臉識別任務(wù)中。
【專利說明】基于深度神經(jīng)網(wǎng)絡(luò)的實時人臉識別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于模式識別領(lǐng)域，涉及一種人臉識別方法，特別涉及一種可實時進行人臉識別任務(wù)的人臉識別方法。
【背景技術(shù)】
[0002]作為生物認(rèn)證技術(shù)的一種，人臉識別憑借著非接觸性、良好的用戶體驗等特性，以及穩(wěn)步上升的識別率，有著巨大的市場潛力與科學(xué)研究價值。人臉識別屬于圖像識別的一種，圖像識別的重難點在于賦予機器理解圖像所蘊含隱含信息的能力，而作為一種可提取數(shù)據(jù)深層信息的特征提取方法，深度神經(jīng)網(wǎng)絡(luò)對基于圖像的人臉識別技術(shù)有著一定的啟發(fā)。
[0003]目前，深度神經(jīng)網(wǎng)絡(luò)在模式識別領(lǐng)域已經(jīng)有多項突破:微軟采用深度神經(jīng)網(wǎng)絡(luò)技術(shù)進行語音識別，達到了現(xiàn)今最高的語音識別率；百度采用紐約大學(xué)Yann LeCun教授提出的深度卷積網(wǎng)絡(luò)搭建了百度識圖等應(yīng)用，并組建了百度深度學(xué)習(xí)研究院；最新消息指出，谷歌搭建的深度學(xué)習(xí)系統(tǒng)在“學(xué)習(xí)”存儲在服務(wù)器中大規(guī)模數(shù)據(jù)庫的基礎(chǔ)上已經(jīng)可以做到獨立思考的程度。
[0004]然而，鮮有研究者將深度神經(jīng)網(wǎng)絡(luò)應(yīng)用于人臉識別領(lǐng)域， 申請人:認(rèn)為原因在于兩點:一方面?zhèn)鹘y(tǒng)的深度神經(jīng)網(wǎng)絡(luò)+softmax的框架需要多張圖像為每個個體建立一個模型，對于人臉識別這種類別數(shù)目不確定的任務(wù)適用性較差；另一方面，人臉識別所需要的圖片尺寸較大，一般情況下，30X 30以上的圖片才能達到滿意效果，這樣就加大了訓(xùn)練深度網(wǎng)絡(luò)模型的難度。

【發(fā)明內(nèi)容】

[0005]為探究深度神經(jīng)網(wǎng)絡(luò)對于人臉識別任務(wù)的識別效果，本發(fā)明提出了一種基于深度神經(jīng)網(wǎng)絡(luò)的實時人臉識別方法。首先利用多樣性較好的大規(guī)模人臉庫訓(xùn)練出一種多層神經(jīng)網(wǎng)絡(luò)，其中除最后一層外的每層為非線性層，尾層為線性層；然后利用有監(jiān)督的鄰近元分析的方法在混合人臉庫的基礎(chǔ)上繼續(xù)訓(xùn)練得到的網(wǎng)絡(luò)，使得網(wǎng)絡(luò)對于人臉圖像的理解加深，達到縮短同一個體間人臉圖像距離、增大不同個體間人臉圖像距離的目的，最后在實際的人臉識別階段，本發(fā)明提出了一種“搜索半徑”的概念，在確保識別率的前提下，縮短了識別所需時間，實現(xiàn)了實時的人臉識別。
[0006]為了實現(xiàn)以上目的，本發(fā)明方法主要包括以下步驟:
[0007]步驟(I).獲取網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)，具體是:選取多樣性較好的人臉庫作為大規(guī)模人臉庫。另外，從多個人臉庫中選取一部分圖像組合成混合人臉庫，其中對部分光照變化較強烈的圖像進行光照歸一化操作，減小光照的影響。采用Viola-Jones人臉檢測器檢測并剪切大規(guī)模人臉庫與混合人臉庫中圖像內(nèi)人臉部分。將大規(guī)模人臉庫與混合人臉庫中每張圖像的像素值按行或列拉伸為一列，組合成行數(shù)為圖像像素點數(shù)，列數(shù)為圖像張數(shù)的矩陣，矩陣除以255，使得數(shù)據(jù)分布在0-1范圍。[0008]步驟(2).使用深度神經(jīng)網(wǎng)絡(luò)在步驟(1)獲取的大規(guī)模人臉庫中人臉部分圖像的基礎(chǔ)上以無監(jiān)督方式訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，具體算法如下。
[0009]本發(fā)明以Autoencoder深度神經(jīng)網(wǎng)絡(luò)為框架，通過恢復(fù)大規(guī)模人臉庫中人臉圖像，以達到訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)的目的，首先用反向傳導(dǎo)算法訓(xùn)練每層網(wǎng)絡(luò)，最后同樣用反向傳導(dǎo)算法調(diào)整網(wǎng)絡(luò)整體表現(xiàn)。算法具體步聚如下:
[0010]I)初始化每一層網(wǎng)絡(luò)的權(quán)重懲罰因子、權(quán)重縮放比例、權(quán)重值、偏置值、
[0011]分組數(shù)據(jù)大小等參數(shù)。權(quán)重懲罰因子為控制不讓訓(xùn)練得到的網(wǎng)絡(luò)權(quán)重過
[0012]大，引起過擬合，假設(shè)初始化的權(quán)重比例為Ws，則有:
[0013]Ws = sqrt (6)/sqrt (v+h+1) (I)
[0014]式(I)中，V表示可見層節(jié)點數(shù)，h表示隱含層節(jié)點數(shù)。則可得到:
【權(quán)利要求】
1.基于深度神經(jīng)網(wǎng)絡(luò)的實時人臉識別方法，其特征在于該方法包括如下步驟: 步驟(1).獲取網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)，具體是:選取多樣性較好的人臉庫作為大規(guī)模人臉庫；另外，從多個人臉庫中選取一部分圖像組合成混合人臉庫，其中對部分光照變化較強烈的圖像進行光照歸一化操作，減小光照的影響；采用Viola-Jones人臉檢測器檢測并剪切大規(guī)模人臉庫與混合人臉庫中圖像內(nèi)人臉部分；將大規(guī)模人臉庫與混合人臉庫中每張圖像的像素值按行或列拉伸為一列，組合成行數(shù)為圖像像素點數(shù)，列數(shù)為圖像張數(shù)的矩陣，矩陣除以255，使得數(shù)據(jù)分布在0-1范圍； 步驟(2).使用深度神經(jīng)網(wǎng)絡(luò)在步驟(1)獲取的大規(guī)模人臉庫中人臉部分圖像的基礎(chǔ)上以無監(jiān)督方式訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，具體算法如下； 1)初始化每一層網(wǎng)絡(luò)的權(quán)重懲罰因子、權(quán)重縮放比例、權(quán)重值、偏置值、分組數(shù)據(jù)大?。粰?quán)重懲罰因子為控制不讓訓(xùn)練得到的網(wǎng)絡(luò)權(quán)重過大，引起過擬合，假設(shè)初始化的權(quán)重比例為1，則有: Ws = sqrt(6)/sqrt(v+h+l) (I)式(I)中，V表示可見層節(jié)點數(shù)，h表示隱含層節(jié)點數(shù)；則可得到:
W = 2*ws* (rand (h, v) -0.5) (2)
Ψ = 2*ws* (rand (v, h) -0.5) (3) 式(2) (3)中，W、W'分別為可見層、隱含層的初始化權(quán)重，rand(m，n)為可生成在(0，I)之間均勻分布隨機數(shù)組成的mXn矩陣的函數(shù)； 2)確定網(wǎng)絡(luò)的損失函數(shù)；Autoencoder的目標(biāo)是是不斷改進網(wǎng)絡(luò)，增強網(wǎng)絡(luò)對于原始數(shù)據(jù)的恢復(fù)能力，網(wǎng)絡(luò)的損失函數(shù)為:
【文檔編號】G06K9/00GK103778414SQ201410023333
【公開日】2014年5月7日 申請日期:2014年1月17日 優(yōu)先權(quán)日:2014年1月17日
【發(fā)明者】羅志增, 邢健飛, 席旭剛, 高云園 申請人:杭州電子科技大學(xué)