[发明专利]一种基于BP神经网络的人脸识别方法及系统

说明书

本发明涉及人脸识别技术领域，公开了一种基于BP神经网络的人脸识别方法，所述方法包括：根据一人脸识别模型，获取待识别的人脸图像的特征向量，并计算所述待识别的人脸图像的特征向量与每一个注册人脸图像的特征向量的初始余弦距离；根据一BP神经网络模型，获取所述待识别的人脸图像的强化特征向量，并计算所述待识别的人脸图像的强化特征向量与每一个注册人脸图像的强化特征向量的强化余弦距离；计算所述待识别的人脸图像对应的多个总余弦距离；在所述多个总余弦距离中，最小的总余弦距离所对应的注册人脸图像的类别为所述待识别的人脸图像的类别。相应的，本发明还公开了一种基于BP神经网络的人脸识别系统。本发明提高了人脸识别的效果。

技术领域

本发明涉及人脸识别技术领域，尤其涉及一种基于BP神经网络的人脸识别方法及系统。

背景技术

人脸识别技术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，进而对检测的人脸进行识别的一系列相关技术。人脸识别系统最初使用的模型是针对10575个人脸类别数的训练集训练好的识别模型，通过提取特征、计算余弦距离等过程，完成人脸的匹配识别。公布号为CN 108182427A的专利申请中，公布一种基于深度学习模型和迁移学习的人脸识别方法，所述方法包括：对源图像及目标图像进行预处理并设置对应标签，源图像数量为M，目标图像数量为N，MN；建立分类器输出维度为M的源神经网络；基于源图像特征和标签构建源数据集并用源数据集对源神经网络进行训练，通过神经网络BP算法优化模型参数，得到源训练模型；建立分类器输出维度为N的目标神经网络并用源训练模型的参数对目标神经网络初始化，基于目标图像特征和标签构建目标数据集并用目标数据集对目标神经网络进行训练，得到动态-K更新算法进行梯度下降法优化模型参数，进而得到目标训练模型；通过目标训练模型进行图像识别。其中，BP(back propagation)神经网络是1986年由Rumelhart和McClelland为首的科学家提出的概念，是一种按照误差逆向传播算法训练的多层前馈神经网络，是目前得到广泛应用的神经网络之一。

在人脸识别系统的使用中，用户注册了新的类别的人脸，在人脸识别系统的最初模型对用户注册的新类别的人脸也有不错的效果，但是如何在人脸识别系统的使用过程中，进一步提高人脸识别的效果，是本发明要解决的技术问题。

发明内容

本发明的目的在于提供一种基于BP神经网络的人脸识别方法及系统，以提高人脸识别的效果。

为实现上述目的，本发明提供了一种基于BP神经网络的人脸识别方法，所述方法包括：根据一预设的人脸识别模型对待识别的人脸图像进行特征提取，获取所述待识别的人脸图像的特征向量，并计算所述待识别的人脸图像的特征向量与人脸注册库中的每一个注册人脸图像的特征向量的初始余弦距离；根据一预设的BP神经网络模型，获取所述待识别的人脸图像的强化特征向量，并计算所述待识别的人脸图像的强化特征向量与所述人脸注册库中的每一个注册人脸图像的强化特征向量的强化余弦距离；根据每一个初始余弦距离和每一个强化余弦距离，计算所述待识别的人脸图像对应的多个总余弦距离；在所述多个总余弦距离中，最小的总余弦距离所对应的注册人脸图像的类别为所述待识别的人脸图像的类别。根据该技术方案，既能保留所述人脸识别模型的泛化能力，又强化了针对注册人脸图像的识别能力。