[发明专利]一种基于改进的mobileNetV3的人脸识别方法

说明书

本发明提供了一种基于改进的mobileNetV3的人脸识别方法，包括如下步骤：S1.对图像进行人脸检测及特征点检测；S2.利用检测得到人脸特征点进行人脸对齐；S3.将对齐后的图像以及标签制作成训练集；S4.搭建网络结构，将网络最后的池化层变成卷积层，缩小通道的扩张倍数。本发明所述的一种基于改进的mobileNetV3的人脸识别方法可以在出入口以及视频监控应用中利用改进的mobileNetV3方法提高识别率，实现准确、快速地人脸识别。

技术领域

本发明属于生物特征识别技术领域，尤其是涉及一种基于改进的mobileNetV3的人脸识别方法。

背景技术

生物特征识别技术在近几十年中得到了飞速的发展。人脸识别作为当前流行的生物特征识别技术之一，有着直接、友好和方便的特点，使用者无任何心理障碍，易于为用户所接受，从而得到了广泛的研究与应用。人脸识别虽应用较为广泛，但是业界存在识别率不高的问题，急需一种具有较高准确性与快速性的人脸识别方法

发明内容

有鉴于此，本发明旨在克服上述现有技术中存在的缺陷，提出。

为达到上述目的，本发明的技术方案是这样实现的：一种基于改进的mobileNetV3的人脸识别方法，包括如下步骤：

S1.对图像进行人脸检测及特征点检测；

S2.利用检测得到人脸特征点进行人脸对齐；

S3.将对齐后的图像以及标签制作成训练集；

S4.搭建网络结构，将网络最后的池化层变成卷积层，缩小通道的扩张倍数。

进一步的，步骤S1采用mtcnn算法进行人脸及特征点的检测，得到人脸检测框和五个特征点。

进一步的，步骤S2所述进行人脸对齐的具体步骤包括：

A1：利用cv::estimateRigidTransform函数计算变换矩阵；

A2：利用cv::warpAffine函数对图像进行仿射变换，得到对齐后的图像。

进一步的，步骤S3所述的制作训练集的具体步骤包括：利用caffe自带的convert_imageset工具，将数据集制作成lmdb文件。

进一步的，步骤S4所述搭建网络结构的具体步骤包括：

B1.采用mobilefacenet和mobileNetV3的网络思想以及h-swish激活函数来搭建改进的mobileNetV3网络结构；

B2.使用am-softmax损失函数训练。

进一步的，步骤C1中所述的h-swish函数公式为：

h-swish[x]＝x{ReLU6(x+3)}/6；

ReLU表示激活函数；

x表示输入值。

进一步的，步骤A1所述函数cv::estimateRigidTransform用作变换矩阵对图片进行指定大小的变换。

进一步的，步骤A2所述函数cv::warpAffine用作对图像的仿射变换可对图像进行平移和旋转。

进一步的，步骤B2所述函数am-softmax用作相似度判定。

相对于现有技术，本发明具有以下优势：

在出入口以及视频监控应用中利用改进的mobileNetV3方法提高识别率，实现准确、快速地人脸识别。

附图说明