[发明专利]人脸特征提取训练方法及系统

说明书

本发明涉及一种用于人脸识别的人脸特征提取训练方法，包括如下步骤：接收用于训练的人脸图像以及相应的分类标签；对所述人脸图像进行运算处理并获取所述人脸图像的图片特征；对所述人脸图像进行图片分类并计算分类损失；选择与所述分类标签一致的图片特征进行聚类并计算聚类损失；根据所述分类损失和所述聚类损失计算总损失。本发明还公开一种人脸特征提取训练系统。本发明人脸特征提取训练方法及系统，在训练过程中，把特征的分类与聚类结合起来考虑，只对分类正确的特征进行聚类，这样有效的防止了训练过程中特征聚类损失的不收敛，使训练出的模型泛化能力更好。

技术领域

本发明涉及人脸识别技术领域，尤其涉及一种用于人脸识别的人脸特征提取训练方法及系统。

背景技术

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。在深度学习方面，已经提出了很多的人脸识别训练方法，但是这些方法需要对训练数据进行特别的处理与分配，实施起来比较复杂。最近提出的中心点损失训练方法，虽然简单易用，但是常会发生训练过程的不收敛导致训练崩溃。现在急需一种数据处理简单并且训练过程稳定可容易收敛的人脸识别训练系统，来解决这样的问题。

发明内容

基于此，有必要针对目前人脸识别训练系统存在的数据处理复杂、训练过程不稳定容易崩溃等问题，提供一种数据处理简单并且训练过程稳定可容易收敛的人脸识别训练系统及方法。

根据本发明的目的，提供一种用于人脸识别的人脸特征提取训练方法，包括如下步骤：

接收用于训练的人脸图像以及相应的分类标签；

对所述人脸图像进行运算处理并获取所述人脸图像的图片特征；

根据分类标签对所述人脸图像进行图片分类并计算分类损失；

选择分类正确的图片特征进行聚类并计算聚类损失；

根据所述分类损失和所述聚类损失计算总损失。

在其中一个实施例中，所述对所述人脸图像进行运算处理的步骤包括对所述人脸图像进行卷积运算和下采样运算。

在其中一个实施例中，对所述人脸图像进行图片分类的步骤为根据softmax分类函数进行分类。

在其中一个实施例中，所述计算分类损失为根据下述公式进行计算：

其中，Ls为分类损失，m为每次输入的图片数量，0≤j＜m；

YPj为经过softmax函数分类后预测的类别，0≤YPj≤r，其中r为进行训练的r个人的人脸图像；yj为第j张输入图片的标签。

在其中一个实施例中，所述选择分类正确的图片特征进行聚类的步骤为：

判断分类结果与分类标签是否一致，统计各个类别分类正确的数量k：

δ(1)＝1，其他均为0，0≤q＜r   (1-2)

其中yq为输入的图片相应的类别标签，0≤qr，0＜yqr-1；

对每个类别分类正确的图片特征进行聚类分别计算每个类别的特征向量的均值中心Cq，丢弃分类不正确的图片特征：

在其中一个实施例中，所述计算聚类损失的步骤为：

计算所有类别特征的均值中心的损失Lc：

其中，cop为上一次的特征均值中心。