[发明专利]基于FaceNet方法的小数量数据集人脸识别方法

权利要求书

1.一种基于FaceNet方法的小数量人脸数据集人脸识别方法，其特征在于，所述基于深度学习的小数量人脸数据集人脸识别方法包括：

首先使用FaceNet方法训练模型，并在所述模型训练完成后获得FaceNet预训练模型；

然后使用SVM分类器分类的方式或使用欧式距离比对的方式进行不同程度以及不同尺度的小数量人脸数据集人脸识别；并按照人脸图片逐步减少的路线进行测试，将人脸识别的图片数量进行降低。

2.如权利要求1所述的基于FaceNet方法的小数量人脸数据集人脸识别方法，其特征在于，所述SVM分类器分类的方式包括：

步骤一，使用指定范围下数据集使用SVM训练得出一个分类器；

步骤二，使用训练得出的分类器对指定范围下的数据集进行分类，得出每一类分类的结果；

步骤三，输入待识别的人脸图片，通过FaceNet网络后提取人脸特征向量，SVM分类器根据所述人脸特征向量的距离进行类判定，然后将所述人脸特征向量的距离分类至已分类的类别中，实现人脸识别。

3.如权利要求2所述的基于FaceNet方法的小数量人脸数据集人脸识别方法，其特征在于，步骤三实现人脸识别中，选用所搜集的小数量人脸数据集进行SVM分类，按照人脸图片逐步减少的路线进行测试，将人脸识别的图片数量降为5张每人。

4.如权利要求1所述的基于FaceNet方法的小数量人脸数据集人脸识别方法，其特征在于，所述欧式距离比对的方式包括：

步骤1，将一定范围的人脸图片送入FaceNet网络中产生进行人脸特征向量提取；

步骤2，将所处理的所有人脸的特征向量的存入一个指定的文件中，用于的指定范围的人脸进行登记；按照人脸图片逐步减少的路线进行测试，将所需求的人脸识别的图片数量降为1张每人；

步骤3，将输入待识别的人脸图片送入FaceNet网络中进行人脸特征向量提取；

步骤4，将待检测的人脸图片的特征向量与之前指定范围内的所有人脸特征向量的欧式距离进行比对；

步骤5，找出与待检测的人脸图片的特征向量欧式距离相近度最大的库存人脸特征向量进行匹配，在一定的阈值范围内，实现人脸识别。

5.如权利要求1所述的基于FaceNet方法的小数量人脸数据集人脸识别方法的设计流程，其特征在于，使用FaceNet方法训练模型，并在训练完成后获得FaceNet预训练模型中，具体包括搭建开发环境；

人脸图像预处理：人脸训练数据集的选取，人脸测试数据集的选取，人脸训练数据集的预处理、人脸测试数据集的预处理及对人脸数据集进行预处理后得到指定大小人脸图片；

训练模型，首先加载大规模经处理过后的人脸图片，然后配置具体训练的参数，再经过预设置的训练迭代次数训练后，完成训练过程；

预训练模型测试与评估；通过k折交叉验证方法及10折交叉验证方法进行测试与评估。