[发明专利]一种基于多神经网络模型联合优化的人脸识别方法及系统

说明书

本发明涉及一种基于多神经网络模型联合优化的人脸识别方法及系统，包括：获取待识别图像中的人脸图像；将所述人脸图像进行人脸区域切图，得到多个人脸切图；利用预先构建的卷积神经网络模型提取每个人脸切图的特征；对提取的人脸切图特征进行处理，得到优化后的人脸特征。本发明提供的技术方案通过对人脸图像的切图、提取以及融合，完整的进行端到端学习，可以自适应捕获互补且具有判别性的人脸切图，减少计算量，得到更具判别力的人脸特征。

技术领域

本发明属于计算机视觉和生物特征识别领域，尤其涉及一种基于多神经网络模型联合优化的人脸识别方法及系统。

背景技术

深度神经网络的多模型集成广泛应用于很多计算机视觉任务，由于不同网络可以有效地从原始图像中提取互补的信息，因此多模型集成可以带来明显的性能提升。然而目前为了有效利用人脸不同区域(如眼睛，鼻子)中互补的表观信息，需要手工定义多种不同的人脸切图方式，并使用这些不同的切图分别训练了多个卷积神经网络(CNN，Convolutional Neural Network)模型用于捕获不同人脸区域的信息。最终的人脸识别系统采用贪心的策略选取出最好的模型来进行最终的特征融合。

然而，这种人脸识别问题中通用的模型集成方法采用手工的方式选取人脸切图，需要耗费大量的计算来训练上百个模型，再选取出最好的切图组合。

因此，需要提供一种基于多神经网络模型联合优化的人脸识别方法及系统来解决现有技术的不足。

发明内容

为了解决现有深度学习中多模型集成的人脸识别框架中手工选取人脸切图和离线特征融合存在的问题，本发明提供了一种基于多神经网络模型联合优化的人脸识别方法及系统，针对人脸识别问题，设计了一个多分支卷积神经网络的集成学习框架。

一种基于多神经网络模型联合优化的人脸识别方法，包括：

获取待识别图像中的人脸图像；

将所述人脸图像进行人脸区域切图，得到多个人脸切图；

利用预先构建的卷积神经网络模型提取每个人脸切图的特征；

对提取的人脸切图特征进行处理，得到优化后的人脸特征。

进一步的，将所述人脸图像进行人脸区域切图，得到多个人脸切图，包括：

将所述人脸图像进行对齐，得到对齐后的人脸图像；

将所述对齐后的人脸图像输入到预先建立的区域搜索空间变换网络中，得到多个人脸切图。

进一步的，将所述对齐后的人脸图像输入到预先建立的区域搜索空间变换网络中，得到多个人脸切图，包括：

根据损失函数训练所述区域搜索空间变换网络，得到优化后的网络参数；

根据所述优化后的网络参数计算人脸切图参数，得到人脸切图。

进一步的，根据所述优化后的网络参数计算人脸切图参数，包括：

按下式所示计算人脸切图参数：

其中，和分别为对齐后的人脸图像中第i个像素的横坐标和纵坐标；和分别为人脸切图中第i个像素的横坐标和纵坐标；s为坐标变换尺度；t_x为人脸图像坐标在x轴的位移；t_y为人脸图像坐标在y轴的位移。

进一步的，对提取的人脸切图特征进行处理，得到优化后的人脸特征，包括：

将人脸切图特征进行平均融合，得到初步融合特征；

利用全连接层将所述初步融合特征进行降维，得到优化后的人脸特征。

一种基于多神经网络模型联合优化的人脸识别系统，包括：