[发明专利]一种公众人物的人脸识别方法

权利要求书

1.一种公众人物的人脸识别方法，其特征在于，包括：

获取待处理图像；

输入所述待处理图像至人脸识别模型，以使所述人脸识别模型在提取所述待处理图像的特征后，进行L2归一化，并根据Embedding向量输出所述待处理图像的人脸识别结果；

其中，所述人脸识别模型是基于SqueezeNet神经网络模型预先训练得到的。

2.根据权利要求1所述的公众人物的人脸识别方法，其特征在于，所述人脸识别模型包括依次连接的第一卷积层Conv1、第一池化层、Fire块：fire2、fire3和fire4、第二池化层、Fire块：fire5、fire6、fire7和fire8、第二池化层、Fire块：fire9、第二卷积层Conv10和第三池化层。

3.根据权利要求1所述的公众人物的人脸识别方法，其特征在于，各所述Fire块包括Squeeze层，所述Squeeze层包括卷积核为1*1的第一卷积层。

4.根据权利要求3所述的公众人物的人脸识别方法，其特征在于，各所述Fire块还包括Expand层，所述Expand层包括：卷积核为1*3的第二卷积层、卷积核为3*1的第三卷积层、卷积核为3*1的第四卷积层以及卷积核为1*3的第五卷积层；其中，

所述第四卷积层与所述第二卷积层连接，所述第五卷积层与所述第三卷积层连接。

5.根据权利要求4所述的公众人物的人脸识别方法，其特征在于，各所述Fire块还包括concat层，用于对所述第四卷积层和所述第五卷积层输出的特征图进行拼接。

6.根据权利要求1所述的公众人物的人脸识别方法，其特征在于，所述人脸识别模型采用如下步骤训练得到：

获取第一类图像，并利用人脸检测算法对所述第一类图像进行检测，得到训练样本；所述训练样本包括人脸样本图像以及所述人脸样本图像对应的真实类别；

对所述训练样本进行预处理后，将预设数量的训练样本输入待训练的SqueezeNet神经网络模型，所述待训练的SqueezeNet神经网络模型为预设的初始SqueezeNet神经网络模型；

利用所述待训练的SqueezeNet神经网络模型的输出结果，确定各个输入的训练样本的预测类别；

根据预设损失函数、所述各个输入的训练样本的预测类别及真实类别，确定损失值；

根据所述损失值判断待训练的SqueezeNet神经网络模型是否收敛；如果收敛，则待训练的SqueezeNet神经网络模型为训练完成的人脸识别模型；

如果未收敛，则调整待训练的SqueezeNet神经网络模型的网络参数，并返回所述将预设数量的训练样本输入待训练的SqueezeNet神经网络模型的步骤。

7.根据权利要求6所述的公众人物的人脸识别方法，其特征在于，所述对所述训练样本进行预处理的步骤，包括：

对所述训练样本中的人脸样本图像进行仿射变换及数据增强；

其中，所述数据增强包括对人脸样本图像进行水平镜像变换、垂直镜像变换、噪声添加和/或尺寸变换。