[发明专利]一种基于色彩抖动和图像混合的监控视频人脸识别方法

权利要求书

1.一种基于色彩抖动和图像混合的监控视频人脸识别方法，其特征在于：包括以下步骤：

1)人脸数据集准备：

a)使用公开人脸数据集合并在一起作为训练数据集；

b)使用未参与训练数据集构建的监控视频人脸数据集作为测试数据集，包括类内图像对和类间图像对；

2)分阶段进行训练，具体方法如下：

a)选择网络；

b)选择损失函数；

c)开始训练，记录训练轮数epoch，计算训练过程中每一轮权重更新后训练数据集的正确率、召回率和loss值；

d)当训练模型正常收敛，loss值持续下降，正确率达到一定值后进入步骤3)；

3)采用经过色彩抖动的增强图像进行训练，具体训练方法如下：

a)每一轮训练生成一个随机数α,α∈(0,1)，则图像色彩抖动系数为：α_light＝1+α,α_dark＝1-α；

b)当训练轮数epoch为奇数时对训练数据集的所有图像的通道分别乘以α_light，则经过色彩抖动后的图像I_new＝max(I_old*α_light,255)；当epoch为偶数时对训练数据集的所有图像通道分别乘以α_dark，则经过色彩抖动后的图像I_new＝min(I_old*α_dark,0)；

c)经过色彩抖动后的图像标签不变，将其输入网络继续训练，计算训练过程中每一轮权重更新后训练数据集的正确率、召回率和loss值；

d)正确率达到一定值后进入步骤4)；

4)采用经过图像混合的增强图像进行训练，具体训练方法如下：

a)对训练集中的任意一张图像I₀标签L₀，生成一个随机数β,β∈(0,1)，在训练集中随机选取另一张图像I₁标签L₁；则经过图像混合后的新图像其对应的新标签对训练集中的所有图像执行以上操作；

b)将混合标签后的图像输入网络继续训练，计算训练过程中每一轮权重更新后训练数据集的正确率、召回率和loss值；

c)正确率达到一定值后，重新使用步骤1中未经过色彩抖动和图像混合的图像继续训练，当正确率大于一定值，同时loss值小于一定值时，保存模型结束训练；

5)利用测试集上的类内类间图像对判定训练得到的最终人脸识别模型性能是否满足使用要求，具体判定方法如下：

a)计算步骤4)中保存的最终模型在测试集上的正确率A；

b)利用步骤4)中保存的最终模型对步骤1)-b)中得到的测试数据集上的类间和类内图像对进行特征提取，计算每个图像对中两张图像的距离t_dis；

c)对类内图像对得到的所有距离值进行拟合，得到类内概率密度函数TI(t_dis)，对类间图像对得到的所有距离值进行拟合，得到类间的概率密度函数TC(t_dis)；

d)利用TI(t_dis)和TC(t_dis)绘制概率密度曲线，若两条曲线的重叠区域面积小于一定值且正确率A大于一定值，则模型满足条件，可以使用，否则，则人脸识别模型不达标需要更重新训练。

2.根据权利要求1所述的一种基于色彩抖动和图像混合的监控视频人脸识别方法，其特征在于：所述步骤1)-a)中，训练数据集的类别数超过10000类，每个类别包含至少10张图像，从属于不同的人的人脸图像作为一个单独的类。

3.根据权利要求1所述的一种基于色彩抖动和图像混合的监控视频人脸识别方法，其特征在于：所述步骤1)-b)中，类内图像对为：在每个类别中进行不放回的3次抽取，每次随机收取2张图像，构成类内图像对集合；类间图像对为随机选择总类别数的10％个类别，每个类别不放回的随机抽取1张图像，对这些图像进行排列组合，得到部分图像对，再次随机选择总类别数的10％个类别，每个类别不放回的随机抽取1张图像，对这些图像进行排列组合，得到另一部分图像对，两部分图像对合在一起构成类间图像对集合。