[发明专利]基于自适应加权的人脸和虹膜融合识别方法及装置

权利要求书

1.基于自适应加权的人脸和虹膜融合识别方法，其特征在于，包括：

获取相同目标的人脸图像和虹膜图像；

将人脸图像和虹膜图像输入特征提取网络中，分别提取人脸图像和虹膜图像的图像特征；

将人脸图像和虹膜图像的图像特征进行堆叠，输出浅层融合特征；

将浅层融合特征采用通道注意力机制进行自适应权重分配处理，获得融合加权值；

根据浅层融合特征和融合加权值计算获得深层融合特征，并根据深层融合特征进行目标的分类及识别。

2.根据权利要求1所述的基于自适应加权的人脸和虹膜融合识别方法，其特征在于，所述特征提取网络采用ResNeXt神经网络，且特征提取网络包含两个子特征提取网络，两个子特征提取网络分别进行人脸图像和虹膜图像的图像特征提取。

3.根据权利要求2所述的基于自适应加权的人脸和虹膜融合识别方法，其特征在于，所述特征提取网络进行图像特征提取的过程包括：将人脸图像和虹膜图像分别采用ResNeXt神经网络前向传播到第k层进行卷积，得到两个图像的k层特征参数，k为设定值，两个图像的k层特征参数表达式为：

其中，f₁₁(x^k)和f₁₂(x^k)分别为人脸图像和虹膜图像的k层特征参数，*为卷积操作，w为权重参数，f₁₁(x^[k-1])和f₁₂(x^[k-1])分别为人脸图像和虹膜图像卷积前的k-1层特征参数，b为偏移量参数，为激活函数。

4.根据权利要求1所述的基于自适应加权的人脸和虹膜融合识别方法，其特征在于，所述将人脸图像和虹膜图像的图像特征进行堆叠，包括：将人脸图像和虹膜图像的图像特征采用concatenation级联方式进行堆叠。

5.根据权利要求4所述的基于自适应加权的人脸和虹膜融合识别方法，其特征在于，采用concatenation级联方式进行图像特征堆叠后，输出的浅层融合特征表达式为：

其中，f₂(x)为浅层融合特征参数，f₁₁(x^k)和f₁₂(x^k)分别为人脸图像和虹膜图像的k层特征参数，k为设定值，为concatenation级联方式。

6.根据权利要求1所述的基于自适应加权的人脸和虹膜融合识别方法，其特征在于，所述将浅层融合特征采用通道注意力机制进行自适应权重分配处理，包括：将浅层融合特征进行全局平均池化，得到一个1*1*c的feature map特征参数，再通过两次全连接进行降维和升维处理得到相同维度的feature map特征参数，将最终得到的feature map特征参数进行sigmoid函数非线性化处理，获得融合加权值，融合加权值表达式为：

K＝σ(f(Relu([f(AvgPool([f₂(x)]))])))

其中，K为融合加权值，σ表示sigmoid函数，f表示卷积运算，Relu表示Relu函数，AvgPool表示全局平均池化操作，f₂(x)为浅层融合特征参数。

7.根据权利要求6所述的基于自适应加权的人脸和虹膜融合识别方法，其特征在于，根据浅层融合特征和融合加权值计算获得用于目标分类及识别的深层融合特征，包括：将浅层融合特征参数与融合加权值相乘，获得深层融合特征参数，表达式为：

Y＝K*f₂(x)

其中，Y为深层融合特征参数，*表示矩阵相乘。