[发明专利]一种SRFlow超分辨率模型的训练方法及人脸识别方法

权利要求书

1.一种SRFlow超分辨率模型的训练方法，其特征在于，包括以下步骤：

步骤一、建立原始高清人脸图像库；

步骤二、从原始高清人脸图像库中提取若干原始高清人脸图像，作为第一高清人脸图像，并将第一高清人脸图像输入人脸识别模型，以获得第一人脸特征值；

步骤三、将第一高清人脸图像进行模糊处理，得到低分辨率人脸图像；所述模糊处理包括先对第一高清人脸图像进行双立方插值下采样处理，然后在处理后的图像上添加高斯噪声，以获得低分辨率人脸图像；

步骤四、将低分辨率人脸图像输入SRFlow超分辨率模型，得到第二高清人脸图像；

步骤五、将第二高清人脸图像输入人脸识别模型，以获得第二人脸特征值；

步骤六、将第一人脸特征值与第二人脸特征值进行对比，将所述第二高清人脸图像在人脸识别模型不同神经网络层输出的中间特征值与所述第一高清人脸图像在对应层输出的中间特征值进行对比，并将中间特征值的对比结果和人脸特征值的对比结果按照一定权重进行求和后，作为最终对比结果；

将最终对比结果添加到SRFlow超分辨率模型的负对数似然损失函数中，然后利用修改后的损失函数训练SRFlow超分辨率模型；

所述步骤六中，进行对比的方法为，对需要对比的数据计算欧氏距离，所述欧氏距离的计算公式为：

其中：x_i和y_i为需要对比的数据；

修改后的损失函数为：

步骤七、重复执行上述步骤二至步骤六，直至训练结果收敛后完成训练；在训练过程中，所述人脸识别模型的参数保持不变；

所述步骤六中，所述权重的设置方法为，对人脸特征值的对比结果设置较大的权重，对中间特征值的对比结果设置较小的权重，且对于多个中间特征值的对比结果，大致按照先生成的中间特征值的对比结果设置较小权重，后生成的中间特征值的对比结果设置较大权重。

2.根据权利要求1所述的SRFlow超分辨率模型的训练方法，其特征在于：所述步骤六还包括，在进行欧式距离计算前，先对数据进行归一化处理。

3.根据权利要求1所述的SRFlow超分辨率模型的训练方法，其特征在于：所述步骤二中的获取第一人脸特征值也可以在步骤三、步骤四或步骤五后执行或者同步执行。

4.一种人脸识别方法，其特征在于：利用了如权利要求1-3中任一项所述的SRFlow超分辨率模型的训练方法训练后的SRFlow超分辨率模型，该识别方法包括以下步骤：

步骤一、获取需要识别的人脸图像；

步骤二、判断人脸图像是否清晰，若图像清晰则执行步骤四，若图像不清晰则执行步骤三；

步骤三、提取不清晰的人脸图像，并调用SRFlow超分辨率模型，将不清晰的人脸图像数据传给SRFlow超分辨率模型，以生成清晰的人脸图像；

步骤四、调用人脸识别模型，并将清晰的人脸图像输入人脸识别模型进行人脸识别。

5.根据权利要求4所述的人脸识别方法，其特征在于：所述步骤二中判断人脸图像是否清晰的方法为：先将人脸图像中的人脸区域抠取出来，然后计算抠取出来的图像的像素大小，当其像素数大于设定值时，则判断所述人脸图像为清晰，当其像素数小于设定值时，则判断所述人脸图像为不清晰。