[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

说明书

一种基于色彩抖动和图像混合的监控视频人脸识别方法，包括以下步骤：1)人脸数据集准备；2)分阶段进行训练；3)采用经过色彩抖动的增强图像进行训练；4)采用经过图像混合的增强图像进行训练；5)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。本发明使用色彩抖动的方式对图像进行增强，有效降低由于人脸图像色彩变化而造成的识别结果不准或识别失败问题；使用图像混合的方式对图像进行增强，有效降低由于人脸图像模糊而造成的识别结果不准或识别失败的问题；分阶段交替使用经过色彩抖动和图像混合后的图像进行训练，有效帮助网络收敛；利用概率密度函数的重叠区域面积与正确率相结合，判定人脸识别模型是否可以实用，可靠性更高。

技术领域

本发明涉及图像处理技术领域。

背景技术

研究人员通过大量的人脸图像及其对应的从属标签，利用深度学习方法，训练网络，提取可以用来区分不同人的人脸特征，得到模型。当输入一张没有从属标签的人脸图像时，利用已经训练好的模型就能够准确识别出此图像的从属标签。

目前大部分人脸识别的研究，直接采用公开数据集进行模型训练与评价，当训练模型在公开数据集的测试集上的准确率达到99％以上时，认为训练可以结束，得到了一个较为良好的模型。

公开数据集受获取途径和制作方式的限制，图像条件(如色彩，光照，角度，清晰度等方面)都较为不理想，与实际监控视频应用场景存在较大差距。监控视频中的人脸区域往往存在较大的噪声干扰和运动模糊，同时光照变化大，分辨率低。以上条件导致直接由公开数据集训练得到的模型在实际使用过程中往往表现不佳。同时只从正确率这一单一数字无法客观反映出训练得到的模型的表现力。

发明内容

上述人脸识别方法存在的不足，本发明提供了一种基于色彩抖动和图像混合的监控视频人脸识别方法。

本发明为实现上述目的所采用的技术方案是：一种基于色彩抖动和图像混合的监控视频人脸识别方法，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)；