[发明专利]一种基于加权L2抽取深度学习人脸识别方法

说明书

技术领域

本发明涉及习人脸识别方法，特别涉及一种基于加权L2抽取深度学习人脸识别方法。

背景技术

人脸识别技术是指识别出一幅静态图像，或者一段动态视频中的图像是否为人脸的一种技术。人脸识别技术属于生物特征识别技术，该技术特指利用分析处理人脸视觉特征信息进行身份鉴别的计算机技术。人脸是人类感情表达和交流最为重要也是最直接的载体，通过人脸可以推断出一个人的种族、地域、甚至身份、地位等信息。自90年代后期以来，一些商业化的人脸识别系统逐渐进入市场，比较常用的应用如，国家安全、军事安全和公共安全领域、智能门禁、家庭娱乐方面等领域都有广泛应用。

由于人脸识别技术广泛的应用性，当前人脸识别在计算机领域占据重要地位。目前专利CN101162500提供一种分区式人脸识别方法，该方法首先预建包含一个或者多个人脸各区域特征数据的人脸特征数据库，然后对待识别的人脸进行分区，并提取经分区后的人脸各区域的特征数据，再设定需进行比对的区域，接着根据所设定的需进行比对的区域，将相应区域的特征数据与所述人脸特征数据库内的数据进行比对，并计算相似度，从而识别人脸，该方法由于仅需要对被设定的区域的特征数据进行比对，所以识别速度快，但是该方法的识别性能同预建立的数据库大小和复杂度成正相关，前期工作复杂。专利CN1011744337提供了一种基于人脸识别的监控装置及嵌入式门禁监控系统，其中人脸识别的监控装置包括视频采集模块、视频编码模块、人脸识别模块、控制模块及通信模块，可对采集的包括人脸的视频图像进行人脸识别并根据识别的结果发出相应的控制信号，同时对采集的视频图像进行视频编码以保存现场图像。该方法可以实现将人脸识别和视频监控系统的有机集成，但是由于人脸识别方法简单，容易造成门禁系统漏洞。

发明内容

为了克服现有技术的上述缺点与不足，本发明的目的在于提供一种基于加权L2抽取深度学习人脸识别方法，克服传统L2抽取特征单一和训练中的过拟合问题，提高人脸识别技术的识别性能。

本发明的目的通过以下技术方案实现：

一种基于加权L2抽取深度学习人脸识别方法，包括以下步骤：

（1）对人脸训练图片进行预处理；

（2）选择T种卷积核对预处理后的人脸训练图片进行卷积，得到T个的特征图层，分别对每个特征图层提取特征矢量，得到特征矢量；T≥2；

（3）用加权L2抽取方法对步骤（2）提取的特征矢量进行降维；所述加权L2抽取方法具体如下：

将加权L2抽取方法描述为一个两层的网络，其中第一层为简单层，第二层为采样层，简单层的权值矩阵为W,采样层的权值矩阵为V，设x^(t)为第t个特征图层的特征矢量，t=1,2,3…T；则采样层的输出响应为

pi(x(t);W,V)=Σk=1mVik(Σj=1nWkjxj(t))2]]>