[发明专利]一种频域划分的人脸特征识别方法及系统

说明书

技术领域

本发明涉及人脸识别领域，特别涉及一种频域划分的人脸特征识别方法及系统。

背景技术

现有的人脸识别系统一般都是对人脸图像进行预处理，在利用卷积神经网络进行训练，得到了训练之后的网络的权重，从而完成训练。在应用中，将人脸的图片作为输入，通过训练好的卷积神经网络，得到人脸的特征表示，再通过特征的比较来实现人脸的识别。训练的图像大多来自于互联网，是质量比较高的图像，实际使用的图像，存在很多的低质量的图片，如低分辨率、模糊、噪声等，通过网络并不能提取出合适的特征，降低了识别的效果。

现有的图像预处理技术如下：

a.在训练过程中加入随机噪声和模糊

缺点：该方法只能对已知的干扰进行数据增强，无法应对现实中的复杂的噪声情况。

b.进行图像的去模糊和重建

缺点：图像的重建可能会一定程度上丢失一些图像的细节信息，影响识别效果。同时，重建的操作是耗时的。

发明内容

本发明要解决上述技术问题，提供一种能够增强系统的抗噪声能力的频域划分的人脸特征识别方法。

解决上述技术问题，本发明提供了一种频域划分的人脸特征识别方法，包括：

将训练图像X进行FFT变换，得到所述训练图像中每个通道的对应的不同的频率分布F＝FFT(X)；

将每个所述频率分布F进行划分，分别得到多个频率成分F_i；

对每个频率成分F_i进行IFFT变换，得到不同频率成分F_i对应的图像成分X_i；

结合所述训练图像X的标签y，得到处理后的训练数据Z＝(X₁,X₂,…,X_k,y)，k为图像成分X_i的总数；

使用处理之后的训练数据Z进行卷积神经网络的训练，并得到网络参数模型；

通过根据所述网络参数模型对于输入的待识别图像Y进行处理，得到待识别图像Y的特征；通过计算所述特征的欧氏距离l对所述待识别图像Y进行样本比对获取人脸特征，完成人脸识别。

进一步的，如前述的频域划分的人脸特征识别方法，将每个所述频率分布F进行划分，具体划分方法为：在所述频率分布F内定义k个半径为r1、r2、…rk的同心圆形，其中r1<r2<...<rk,；将所述频率分布划分为k个频率范围并得到k个频率成分F_i；且所述频率分布F与频率成分F_i关系为

更进一步的，如前述的频域划分的人脸特征识别方法，所述通过网络参数模型对于输入的待识别图像Y进行处理，得到浮点数的数组向量f₁、f₂作为Y的特征，具体方法为：将IFFT变换之后的图像，作为所述卷积神经网络的输入，前馈；同时，选择最后一个隐含层的数作为特征。

更进一步的，如前述的频域划分的人脸特征识别方法，所述欧氏距离l的计算方法，具体为：

其中，l为所述欧式距离，n为所述Y的特征的长度。

本发明还提供一种频域划分的人脸特征识别系统，所述系统通过模型对于输入的待识别图像进行处理，得到待识别图像的特征；通过计算所述特征的欧氏距离l对所述待识别图像进行样本比对获取人脸特征，完成人脸识别。本发明的有益效果：

采用本发明方法能够通过频域划分的去除如低分辨率、模糊、噪声高等情况的低质量图片，并且，本发明方法能够通过网络提取出合适的人脸图像的特征；具有人脸识别速度快，准确率高，鲁棒性强，抗噪声能力好的特点。

附图说明

图1是本发明一种实施例中的频域划分的人脸特征识别方法的流程示意图；

图2是本发明一种实施例中的频域划分的人脸特征识别方法中的训练过程示意图；

图3是本发明一种实施例中的频域划分的人脸特征识别方法中的应用过程示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

如图1所示，本发明提供一种频域划分的人脸特征识别方法，包括：