[发明专利]人脸验证方法和系统

摘要

本发明涉及一种人脸验证方法和系统，方法包括：利用主成分分析和线性判别分析对高维人脸特征数据分别进行预处理，其中包括设置主成分分析降维后的数据维度；建立判别式高阶玻尔兹曼机，设置隐含层的节点数；利用张量对角化的策略来减少该判别式高阶玻尔兹曼机的模型参数；把成对的人脸数据输入到判别式高阶玻尔兹曼机中，利用随机梯度下降算法来最大化关系类别的条件概率，从而迭代地优化该玻尔兹曼机的权重，从而得到最终的判别式高阶玻尔兹曼机；向判别式高阶玻尔兹曼机模型输入待验证的成对人脸数据，得到对应的验证结果数据。本发明通过在无监督玻尔兹曼机模型中引入数据关系类别信息，使模型判别力增强，更适于具有精度要求的人脸验证。

主权项

一种人脸验证方法，其特征在于，所述方法包括：步骤1、利用主成分分析和线性判别分析对高维人脸特征数据分别进行预处理，其中包括设置主成分分析降维后的数据维度；步骤2、建立判别式高阶玻尔兹曼机，设置隐含层的节点数；所述步骤2中的所述判别式高阶玻尔兹曼机的模型是包括两个数据输入层，一个隐含层和一个类别输出层的四层网络结构；所述两个数据输入层为成对的训练人脸数据，所述类别输出层表示人脸验证结果；并且所述判别式高阶玻尔兹曼机具有网络权重，以根据当前层节点值获得下一层节点值；输入层输入的都是I维的列向量x,y∈R^I×1，向量的每一维度用一个节点表示，其取值都归一化为0均值且方差为1；最高层为类别输出层，将人脸验证的类别表示为一个2维的向量Z∈R^2×1，向量的取值为[1,0]或[0,1]，两种情况对应匹配或者不匹配；中间的隐含层是一个K维的向量h∈R^K×1，向量的每一维取值为0或者1；步骤3、利用张量对角化的策略来减少该判别式高阶玻尔兹曼机的模型参数；具体的，在h轴上，每个h_k对应着一个权重矩阵切片:W_..k＝(W_ijk)_{i∈I，j∈J}其中矩阵中的每个权重W_ijk都对应着结点x_i和y_j的连接关系，所以x和y中每个结点表征了人脸的局部区域，位置上临近的x_i结点和y_j结点表示的人脸区域一样时，存在相关性，对于任意结点x_i，定义与其相关的ε‑邻域的结点为{y_j,j∈[i‑ε,i+ε]}，然后将每个权重矩阵切片W_..k减少到只保留2ε+1个对角线上的权重：这样整个权重张量W中的参数量级从O(n³)减少为O(n²)；步骤4、把成对的人脸数据输入到判别式高阶玻尔兹曼机中，利用随机梯度下降算法来最大化关系类别的条件概率，从而迭代地优化该玻尔兹曼机的权重，从而得到最终的判别式高阶玻尔兹曼机；步骤5、向所述判别式高阶玻尔兹曼机模型输入待验证的成对人脸数据，得到对应的验证结果数据。