[发明专利]噪声环境下的轻量级人脸识别系统及识别方法

权利要求书

1.一种噪声环境下的轻量级人脸识别系统，其特征在于，包括：

图像采集模块，用于采集待识别的原始人脸图像；

特征提取模块，用于提取采集到的原始人脸图像的识别特征；所述特征提取模块为3×3卷积层；

去噪声模块，用于对提取了识别特征的人脸图像进行去噪声处理；进行特征去噪处理时包括：

结合欧氏距离及加权子区域匹配方法对图像进行匹配，计算得出的相似度来反映图像的局部与全局特征，表示为：

公式(1)中，i是输出位置的索引，j表示所有可能出现的位置，x是输入的原始人脸图像，y为与x对应的像素相同的去噪后的特征图，是x通过下采样操作后得到的特征，w(*)是一个高斯函数，是归一化操作，S表示所有的空间位置，代表输入x到输出y的映射关系；

其中，e为指数函数，x为输入像素，T是x的转置矩阵，通过高斯函数将邻域像素加权平均得到当前像素的估计值；

深度可分离卷积模块，用于对去噪声处理后人脸图像与原始人脸图像进行通道对应；

还包括1×1卷积层；

特征输出模块，用于输出最终识别特征；所述特征输出模块包括线性全局深度可分离卷积层。

2.根据权利要求1所述的噪声环境下的轻量级人脸识别系统，其特征在于，还包括十层瓶颈结构。

3.一种利用如权利要求1或2所述的系统进行噪声环境下的轻量级人脸识别方法，其特征在于：

对输入的带有噪声的原始人脸图像提取识别特征；

对提取到的识别特征进行特征去噪处理；

对去噪声处理后人脸图像与原始人脸图像进行通道对应；

依次通过十层瓶颈结构、1×1卷积和线性全局深度可分离卷积得到最终识别特征；

进行特征去噪处理时包括：

结合欧氏距离及加权子区域匹配方法对图像进行匹配，计算得出的相似度来反映图像的局部与全局特征，表示为：

公式(1)中，i是输出位置的索引，j表示所有可能出现的位置，x是输入的原始人脸图像，y为与x对应的像素相同的去噪后的特征图，是x通过下采样操作后得到的特征，w(*)是一个高斯函数，是归一化操作，S表示所有的空间位置，代表输入x到输出y的映射关系；

其中，e为指数函数，x为输入像素，T是x的转置矩阵，通过高斯函数将邻域像素加权平均得到当前像素的估计值。

4.根据权利要求3所述的方法，其特征在于：

在瓶颈结构中的激活函数为swish激活函数：

f(x)＝x·sigmoid(x) (3)。

5.根据权利要求4所述的方法，其特征在于：

线性全局深度可分离卷积层的损失函数为Arcfaceloss，表示为L₁：

θ_j是当前权重和目标特征之间的角度，N是批处理参数，y_i为输入特征归属的类，表示输入特征和真实权重之间的夹角，n表示输入特征归属的类总个数，t表示附加角裕度惩罚，提取的所有人脸特征都分布在一个半径为r的空间上。