[发明专利]基于细胞神经网络的自联想记忆的人脸识别方法

说明书

技术领域

本发明涉及图像识别技术领域，具体的说是一种基于细胞神经网络的自联想记忆的人脸识别方法。

背景技术

随着大数据时代的发展，人们在出行过程中存在身份信息核对，例如人脸识别。通过身份识别，实现身份验证，提高系统的安全性能，确认不同的用户身份信息。

在进行人脸信息核对时，必然包括数据库保存的人脸信息和等待校验的人脸信息，对于数据库保存的人脸信息，在现有技术中，存在以下缺陷：

第一：人脸信息往往是采用直接存储的方式，这样造成身份信息容易泄露，安全系数低，一旦泄露，就容易被复制，可靠性差。

第二：人脸图片识别过程中，需要对数据库中大量的图片数据进行调取和比较，调取图片时间长，造成识别效率低，容易出现错误。

第三：图片识别过程中，找到类似图片时，不存在图片匹配，可靠性差，更容易出现核对错误。

针对上述缺陷，有必要提出一种人脸图片识别方法，来满足人们的需求。

发明内容

针对上述问题，本发明提供了一种基于细胞神经网络的自联想记忆的人脸识别方法，将人脸图片进行数据化保存，结合联想记忆和细胞神经网络模型，实现人脸图片识别，安全系数高，可靠性好，识别效率高。

为达到上述目的，本发明采用的具体技术方案如下：

一种基于细胞神经网络的自联想记忆的人脸识别方法，其关键在于包括以下步骤：

S1：随机对人群中z个人的人脸图片进行采集，共得到m＝w*z幅人脸图片其中，w为正整数，并对采集到m幅人脸图片进行编号；

S2：通过设置二值图亮度阈值，将步骤S1得到的m幅人脸图片分别处理为二值人脸图片，得到由m张二值人脸图片组成的自联想记忆输入矩阵和输出矩阵；

S3：搭建含有未知模型参数的细胞神经网络人脸图片识别模型框架；

S4：根据步骤S2得到的人脸图片自联想记忆输入矩阵、输出矩阵和步骤S3得到的细胞神经网络人脸图片识别模型框架，计算细胞神经网络人脸图片识别模型的未知模型参数,最终确定细胞神经网络人脸图片识别模型；

S5：基于自联想记忆准则，对任意人脸图片进行识别匹配。

通过上述设计，将人脸图片实现数据化保存，通过细胞神经网络和联想记忆方法建立细胞神经网络人脸图片识别模型，将图片数据识别过程转化成数字数据的识别过程，缩短了识别时间，避免了图片的调取过程和循环比较过程，本方法还对识别结果进行最终的匹配处理，提高了识别可靠性。

进一步描述，所述二值图亮度阈值K∈{0,1,2,3,...,255}；对于不同的人脸图片数据库，可设定不同的二值图亮度阈值，提高人脸图片数据库的可靠性和安全系数。

将每一幅二值人脸图片设置成包括N行M列像素点的图片，像素点总个数为n＝N×M；

在对人脸图片进行保存时，若获取到的图片为不规则图片，要将该不规则的图片进行最小矩形化，即采用矩形框，该矩形框需将不规则图片完全包含，矩形框内多出的空白部分人们可采用自定义的图案进行填充。

设二值人脸图片联想记忆的输出矩阵为：O＝(α¹,α²,…,αⁱ,…,α^m)，i∈{1,2,…,m},j∈{1,2,…,n}，αⁱ表示第i幅二值人脸图片中所有的像素点组成的输出向量，表示在第i幅二值人脸图片中的第j个像素点的输出值；

设二值人脸图片联想记忆的输入矩阵为：I＝(U¹,U²,...,Uⁱ,…,U^m)，i∈{1,2,…,m},j∈{1,2,…,n}，Uⁱ表示第i幅二值人脸图片中所有的像素点组成的输入向量，表示在第i幅二值人脸图片中的第j个像素点的输入值。

再进一步描述，步骤S3搭建含有未知模型参数的细胞神经网络人脸图片识别模型框架的具体步骤为：

构建细胞神经网络人脸图片识别模型基本框架：

其中，x＝(x₁,x₂,…,x_i,…,x_n)^T，i∈{1,2,…,n}；

输入向量U＝(u₁,u₂，…,u_i,…,u_n)^T，i∈{1,2,…,n}；