[发明专利]一种基于多任务级联卷积神经网络的面部识别方法

权利要求书

1.一种基于多任务级联卷积神经网络的面部识别方法，其特征在于包括以下步骤：

(1)对原始输入视频图像、人工拍照图像利用多任务级联卷积神经网络进行人脸检测，定位人脸所在区域进行剪裁与放缩，进而在同尺寸的剪裁图像中得到双眼、两嘴角与鼻子五个关键点坐标；

(2)对所有剪裁图片中的五个特征点分别求平均，计算得到平均人脸模型；

(3)将待对齐的人脸图像以步骤(2)中得到的平均人脸为基准进行普氏变换，得到对齐后的图像；

(4)对对齐后的人脸图像进行识别、验证。

2.根据权利要求1所述的基于多任务级联卷积神经网络的面部识别方法，其特征在于，所述普氏变换的具体方法是：

设待对齐图像的五个特征点组成的矩阵为A(A∈R^5*2)，标准图像为B(B∈R^5*2)，

分别计算待对齐图与标准图五个特征点的中心位置均值，分别记作C₁、C₂∈R^1*2，之后针对两张图的特征点分别进行中心化处理，即减去均值；

分别计算待对齐图与标准图五个特征点坐标的标准差，分别记作S₁、S₂∈R^1*1，之后针对两张图的特征点分别进行归一化处理，即除以标准差；

计算A^TB的奇异值分解：U∑V^T＝A^TB，则令R＝VU^T，则R即为反映旋转的线性变换阵；

普氏变换将原坐标(x,y)变换为新坐标(x',y')的计算方法为：