[发明专利]一种同时识别面部多种属性特征的方法在审

专利信息
申请号: 202010155763.9 申请日: 2020-03-09
公开(公告)号: CN111401175A 公开(公告)日: 2020-07-10
发明(设计)人: 张慧;周嘉琪;王蕴红;刘庆杰 申请(专利权)人: 北京航空航天大学
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 北京航智知识产权代理事务所(普通合伙) 11668 代理人: 陈磊;张桢
地址: 100191*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 同时 识别 面部 多种 属性 特征 方法
【说明书】:

发明公开一种可同时识别面部多种属性特征的方法,包括步骤:构建人脸图像样本集;将所述人脸图像样本集划分为训练集、验证集和测试集三个部分;计算训练集中所有图像的通道均值;构建、训练、验证和测试人脸表情分类模型;构建、训练、验证和测试人脸身份分类模型;基于完成训练的人脸表情分类模型和人脸身份分类模型,分别提取正面人脸图像的表情属性和身份属性。本发明通过对静态正面人脸图像样本集分别建立人脸表情分类模型和人脸身份分类模型,达到同时识别图像表情与身份的目的,提高了提取人脸多属性的速度与效率。

技术领域

本发明属于图像处理技术领域,特别涉及一种可同时识别面部多种属性特征的方法。

背景技术

人脸识别领域的研究不断发展,人脸识别准确率也越来越高,随着计算机硬件的不断提升,以及大型人脸数据库的获取越来越方便,基于深度学习的人脸识别方法越来越实用化,使得人脸识别的应用越来越广泛。移动支付、门禁系统、员工签到系统、安防系统、VIP客户管理系统等都嵌入了人脸识别算法。

人脸识别除了身份识别,也发展出了对表情、性别、种族等其他属性的识别。但目前更多的是对人脸单一属性的识别系统,对于多属性的识别则需要结合多个系统,耗时且效率低。

发明内容

为此,本发明提供了一种可同时识别面部多种属性特征的方法,通过对静态正面人脸图像样本集分别建立人脸表情分类模型和人脸身份分类模型,达到同时识别图像表情与身份的目的,提高了提取人脸多属性的速度与效率。

本发明提供了一种同时识别面部多种属性特征的方法,包括如下步骤:

S1:构建人脸图像样本集,所述人脸图像样本集包括多个不同的身份个体,每个身份个体具有多种不同的表情;

S2:将所述人脸图像样本集划分为训练集、验证集和测试集三个部分,保证三个部分的图像互不包含,且不同部分不含有相同身份个体的图像;

S3:计算训练集中所有图像的通道均值;

S4:首先将训练集、验证集和测试集按照表情分类,然后基于VGGFace模型构建人脸表情分类模型,并将所构建的人脸表情分类模型在训练集上进行微调,并在验证集上进行验证,完成训练后,选择在验证集上获得人脸表情验证正确率最高的人脸表情分类模型,在测试集上进行测试,得到人脸表情分类正确率;

S5:首先将训练集、验证集和测试集按照身份进行分类,然后基于VGGFace模型构建人脸身份分类模型,并将所构建的人脸身份分类模型在训练集上进行微调,并在验证集上利用十折交叉方式进行验证,完成训练后,选择在验证集获得人脸身份验证正确率最高的人脸身份分类模型,在测试集上利用十折交叉方式进行测试,得到人脸身份分类正确率,同时将得到的测试集上十折的阈值取平均值,获得预设阈值;

S6:基于完成训练的人脸表情分类模型和人脸身份分类模型,分别提取正面人脸图像的表情属性和身份属性。

进一步,步骤S1中,每个身份个体具有7种不同的表情:害怕、生气、厌恶、高兴、中性、悲伤和惊讶。

进一步,步骤S1还包括使用图像处理软件对每一幅面部图像进行编辑和处理,以保证这些图像之间的低层次视觉信息一致。

进一步,步骤S4包括如下子步骤:

S41:基于VGGFace模型构建人脸表情分类模型,所述人脸表情分类模型复制了VGGFace模型上除了分类块外的所有模型设计及其参数,并具有一个表情分类块,所述表情分类块包含一个flatten层和三个全连接层,其中最后一个全连接层的输出大小与表情的种类数对应,初始化所述表情分类块的参数;

S42:冻结VGGFace模型对应的层及其参数,而只开放所述表情分类块之前的一个卷积块,在训练集上训练所述表情分类块以及其之前的一个卷积块。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京航空航天大学,未经北京航空航天大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010155763.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top