[发明专利]一种基于改进的卷积网络的人脸识别方法及装置

说明书

本申请公开了一种基于改进的卷积网络的人脸识别方法及装置。所述方法包括：对输入图像进行灰度化处理；根据裁剪尺度从灰度化处理后的图像中截取若干幅图像作为样品加入待识别数据集；采用所述的改进的卷积网络对所述待识别数据集中的图像进行人脸识别，所述的改进的卷积网络包括：在Alexnet网络的基础上删除一个FC层，将Alexnet网络中的Cmw1_1卷积层纵向拆分成两个卷积层；将Alexnet网络中的ConW_2卷积层进行拓宽。所述装置包括：灰度处理模块、样品截取模块和识别模块。本申请对Alexnet网络进行了改进，使网络参数轻量化，提高了训练精度，进而提高了识别率和分类速度。

技术领域

本申请涉及图像识别技术，特别是涉及人脸识别技术。

背景技术

CNN是人脸检测过程中常用的二分类模型，Alexnet是CNN模型中常用的卷积网络。但是，随着对人脸检测要求的提高，Alexnet网络的缺陷也逐渐显露出来，例如：针对人脸识别的Alexnet网络参数量多，容易导致网络过拟合，影响人脸识别率。

发明内容

本申请的目的在于克服上述问题或者至少部分地解决或缓减解决上述问题。

根据本申请的一个方面，提供了一种基于改进的卷积网络的人脸识别方法，所述方法包括：

对输入图像进行灰度化处理；

根据裁剪尺度从灰度化处理后的图像中截取若干幅图像作为样品加入待识别数据集；

采用所述的改进的卷积网络对所述待识别数据集中的图像进行人脸识别，所述的改进的卷积网络为：

在Alexnet网络的基础上删除一个FC层；

将Alexnet网络中的Cmw1_1卷积层纵向拆分成两个卷积层；

将Alexnet网络中的ConW_2卷积层进行拓宽。

可选地，所述的对输入图像进行灰度化处理的方式为：利用matlab中的rgb2gray()函数对输入图像进行灰度化处理。

可选地，所述的根据裁剪尺度从灰度化处理后的图像中截取若干幅图像作为样品加入待识别数据集包括：

根据indices值，将[1,1]、[1,M-N+1]、[M-N+1,1]、和[M-N+1,M-N+1]作为图像剪切的起点坐标，从灰度化处理后的图像中截取4幅N×N大小的样本图像和所述的4幅N×N大小的样本图像的4幅镜像样本图像，其中，输入图像的大小为M×M，所述的改进的卷积网络要求输入图片的大小为N×N；

将[(M-N)/2+1,(M-N)/2+1]作为图像剪切的起点坐标，从灰度化处理后的图像中截取1幅N×N大小的样本图像和所述的1幅N×N大小的样本图像的镜像样本图像；

将截取的10幅样本图像加入待识别数据集。

可选地，所述的裁剪尺度indices的计算公式为：indices＝[0M-N]+1。

可选地，所述的将Alexnet网络中的Cmw1_1卷积层纵向拆分成两个卷积层中的两个卷积层的卷积核大小分别为7×7和5×5；

所述的将Alexnet网络中的ConW_2卷积层进行拓宽的方式为：增加卷积核大小分别为1×1和3×3的两种卷积层。

根据本申请的另一个方面，提供了一种基于改进的卷积网络的人脸识别装置，所述装置包括：

灰度处理模块，其配置成对输入图像进行灰度化处理；

样品截取模块，其配置成根据裁剪尺度从灰度化处理后的图像中截取若干幅图像作为样品加入待识别数据集；和