[发明专利]一种基于改进遗传算法的人脸识别优化方法

权利要求书

1.一种基于改进遗传算法的人脸识别优化方法，其特征在于：所述方法包括以下步骤：

步骤1，通过网络公开的人脸数据来构建人脸样本数据集，并对人脸样本数据集中的训练数据集与测试数据集进行预处理；

步骤2，利用基于改进的遗传算法来对卷积神经网络模型的超参数进行全局调优，通过对卷积层滤波器和全连接层的连接权重的不断优化，确定最优的卷积神经网络模型的超参数，并得到训练好的卷积神经网络模型；

所述步骤2中，在进行种群初始化后，通过评估神经网络性能并分配选择概率，进行交叉产生分享双亲网络属性的交叉子代，然后选取父代网络变异生成变异子代，将交叉子代和变异子代加入下一代种群进行替换优化，实现迭代训练；

步骤3，将样本测试集输入到由步骤2训练好的卷积神经网络模型中，从而完成人脸识别。

2.根据权利要求1所述的一种基于改进遗传算法的人脸识别优化方法，其特征在于，步骤1具体分步骤如下：

步骤1.1，将人脸样本数据集按照比例划分为训练数据集和测试数据集；

步骤1.2，对训练数据集和测试数据集分别进行PCA特征提取，并对降维处理后的数据进行归一化处理。

3.根据权利要求1所述的一种基于改进遗传算法的人脸识别优化方法，其特征在于，步骤2具体分步骤如下：

步骤2.1初始化：创建初始种群，种群中的每个染色体代表一个网络，并将每个网络中的卷积层看成一个整体作为染色体中的一个元素，每个网络中的全连接层看成一个整体作为染色体中的另一个元素。即每个染色体元素包含卷积层中滤波器的所有值，或者包含一个全连接层的所有连接权重；

步骤2.2评估：将训练数据集中的人脸图像数据输入到种群中的每个网络，评估每个网络的性能，使用每个网络的准确率作为种群个体的适应度值，为每个网络分配一个适应度值；

步骤2.3选择：为每一个网络分配一个选择概率，选择操作采用轮盘赌方法，每个网络的适应度越高，其被选择的可能性就越大；

步骤2.4交叉：重复两次选择操作，选取两个网络作为双亲，通过交叉产生一个新的交叉子代，交叉子代分享双亲的一些属性；

步骤2.5变异：进行一次选择操作，选取一个网络作为父代，通过变异产生一个新的变异子代，变异子代的部分属性与父代相同；

步骤2.6替换：新生的子代将会加入到下一代种群中，替换掉适应度最低的个体；

判断是否达到最大迭代次数，若不满足则返回步骤2.2，如满足则在种群中选择适应度最佳的个体作为训练好的卷积神经网络。

4.根据权利要求3所述的一种基于改进遗传算法的人脸识别优化方法，其特征在于，所述步骤2.1初始化操作是指创建初始种群，并设置参数包括种群规模、最大迭代次数、最大交叉概率、最小交叉概率、最大变异概率、最小变异概率；种群中的网络具有相同的结构，所有的卷积层、池化层和全连接层具有相同的维度，滤波器和连接权重是随机分配的。

5.根据权利要求3所述的一种基于改进遗传算法的人脸识别优化方法，其特征在于，所述步骤2.2评估操作是指将训练数据集图片输入到种群中的所有网络进行训练，计算预测输出与样本标签之间的损失函数值，并得到每个网络的识别准确率，将识别准确率作为每个网络的适应度值。

6.根据权利要求3所述的一种基于改进遗传算法的人脸识别优化方法，其特征在于，所述步骤2.3选择操是指采用轮盘赌方法，网络的适应度越高，则越有可能被选为繁殖的双亲或父代；用P_i表示第i个网络被选中的概率，f_i表示第i个网络的适应度值，N为种群大小，则第i个网络被选中的概率为：

在变异进程中，选择操作将会选择一个网络作为父代，由父代来产生子代，首先从[0,1]上的均匀分布中产生一个随机数与P_i比较，如果小于P_i，则第i个网络就会被选择；在交叉进程中，选择操作将会选择两个网络作为双亲，由双亲产生一个子代，那么以上选择过程将会进行两次。