[发明专利]一种基于解纠缠表示学习的跨年龄人脸图像识别方法

说明书

本发明公开了一种基于解纠缠表示学习的跨年龄人脸图像识别方法，包括以下步骤：构建表示学习网络以及解纠缠表示学习网络的损失函数；根据损失函数对解纠缠表示学习网络进行训练；通过解纠缠表示学习网络生成待识别图像在其他年龄段的图像，得到其他年龄的预测图像；采集与预测图像相似的人脸图像，并将采集的图像输入解纠缠表示学习网络与待识别图像进行跨年龄验证，得到跨年龄人脸图像识别结果。本发明实现了跨年龄人脸图像识别，并且相比于现有技术，提高了识别的精度。

技术领域

本发明属于图像识别领域，具体涉及一种基于解纠缠表示学习的跨年龄人 脸图像识别方法。

背景技术

跨年龄人脸识别是指，对若干张不同年龄的人脸图像进行识检测，进而判 断这些人脸图像是否属于同一身份。人脸随着年龄的增长，会产生很大的变化， 跨年龄人脸识别任务中的判别式方法试图通过使用年龄不变分类器来区分编码 的人脸特征来处理跨年龄的人脸识别问题。现有的跨年龄人脸识别技术存在识 别精度较低以及算法复杂的问题。

发明内容

针对现有技术中的上述不足，本发明提供的一种基于解纠缠表示学习的跨 年龄人脸图像识别方法解决了现有技术中存在的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种基于解纠缠表示 学习的跨年龄人脸图像识别方法，包括以下步骤：

S1、构建解纠缠表示学习网络；

S2、构建解纠缠表示学习网络的损失函数；

S3、根据损失函数对解纠缠表示学习网络进行训练；

S4、通过解纠缠表示学习网络生成待识别图像在其他年龄段的图像，得到 其他年龄的预测图像；

S5、采集与预测图像相似的人脸图像，并将采集的图像输入解纠缠表示学 习网络与待识别图像进行跨年龄验证，得到跨年龄人脸图像识别结果。

进一步地，所述步骤S1中解纠缠表示学习网络包括第一输入端、编码器E、 生成器G、年龄鉴别器D_A、身份鉴别器D_I、第二输入端和VGG-Face；

所述第一输入端用于输入原始人脸图像，其分别与编码器E和VGG-Face 连接；所述编码器E分别与生成器G、年龄鉴别器D_A和身份鉴别器D_I连接；所 述生成器G用于生成原始人脸图像在其他年龄的预测图像；所述第二输入端用 于输入与预测图像相似的图像，其与VGG-Face连接。

进一步地，所述编码器E包括依次连接的第一卷积层、第一归一化层、第 一指数线性单元、第二卷积层、第二归一化层、第二指数线性单元、第三卷积 层、第三归一化层、第三指数线性单元、第四卷积层、第四归一化层、第四指 数线性单元、第五卷积层、第五归一化层、第五指数线性单元、平均池化层和 输出卷积层；

所述年龄鉴别器D_A和身份鉴别器D_I的结构均包括依次连接的编码器E、两 个连续的卷积层和两个连续的全连接层。

进一步地，所述生成器G包括依次连接的全连接层、第五反卷积层、第四 反卷积层、第三反卷积层、第二反卷积层和第一反卷积层。

进一步地，所述步骤S2中损失函数包括生成器损失函数、年龄损失函数和 身份损失函数。

进一步地，所述生成器损失函数L^G具体为：

其中，λ_FV表示第一组合权重值，λ_age表示第二组合权重值，表示人脸 图像损失值，表示重建损失函数值；

所述人脸图像损失值具体为：