[发明专利]一种基于卷积神经网络的人脸验证方法

权利要求书

1.一种基于卷积神经网络的人脸验证方法，其特征在于，其实现过程为，

步骤一、首先收集训练图像，挑选正类样本，生成正类模板；

步骤二、构造训练集，将收集的训练图像与正类模板进行比对，分成与模板同类的样本和与模板不同类的样本；

步骤三、设计损失函数，通过优化该函数，结合训练集训练卷积神经网络模型，使该卷积神经网络模型可样本对输入，该样本对输入是指待验证样本与产生的正类模板共同输入；

步骤四、将待验证样本与产生的正类模板构造成一个样本对输入到卷积神经网络中，根据验证结果，确定样本为正类或负类，正类则验证通过，负类则验证不通过；

所述步骤一中，正类样本是指人为指定的应用场景中的关注样本，在生成正类模板时，首先根据正类样本的重要性，对每个正类样本进行加权设定，然后通过已有的正类模板和它的权重，利用以下公式获得正类模板T：

在该公式中，N是现有正类样本的个数，R_i是第i个用户的权重，衡量第i个用户身份的重要性，U_i第i个用户的数据；

所述步骤三中卷积神经网络通过以下损失函数及优化过程训练：

s.t L_i＝wz_i+b；

s.t z_i＝x_i-T；

在上述公式中，C₁是把正类错分为负类的代价权重，C₂是把负类错分为正类的代价权重；Q_i是第i个样本的类别指示函数，如果第i个样本被模型分为正类，Q_i＝1；反之，Q_i＝-1；L_i是第i个样本的预测类别结果；w是训练网络的权重，b是训练网络的偏置；z_i是输入的样本对，通过样本x_i与产生的正类模板T进行判断，如果这两个样本是相似的，则标记为1。

2.根据权利要求1所述的一种基于卷积神经网络的人脸验证方法，其特征在于，所述步骤二中的训练集构造过程中，将收集的训练图像与正类模板进行比对后，将与模板同类的样本，标记为1；与模板不同类的样本，标记为-1。

3.根据权利要求1所述的一种基于卷积神经网络的人脸验证方法，其特征在于，在目标函数优化过程中，按照以下算法求得代价权重C₁和C₂，以及模型的参数w和b：

1)固定C₁和C₂两个变量，给两个变量赋初值，使得C_1≥C₂；

2)将C₁和C₂代入公式步骤三中的损失函数公式，使用随机梯度下降法求得模型的参数w和b；

3)然后再将求得的w和b，带入损失函数公式，通过令C₁和C₂的偏导等于0，求得C₁和C₂的值；

4)重复步骤2)和步骤3)，直到达到收敛条件。

4.根据权利要求1所述的一种基于卷积神经网络的人脸验证方法，其特征在于，所述步骤四中，在将样本对输入到训练好的卷积神经网络中后，如果分类输出为1，则该样本是正类，可以通过验证；如果分类输出为-1，则该样本是负类，不能通过验证。