[发明专利]基于混合训练的深度学习人脸验证方法

摘要

基于混合训练的深度学习人脸验证方法。准备人脸数据集；对每幅图像进行人脸和人脸关键点检测；对所有人脸归一化，得人脸图像训练集，再划分为训练和验证数据集，计算所有人脸图像的均值图像；将所有人脸图像都减去均值图像得均值化的训练数据集和验证数据集；训练深度卷积神经网络；对每幅人脸图像生成对应的三元组，构成三元组训练数据集和三元组验证数据集；再次训练深度卷积神经网络；对于给定待验证的两幅图像进行人脸和人脸特征点检测，并减去均值图像，输入深度卷积神经网络中，进行网络前馈操作，并提取特征；根据选定的阈值，当两幅图像提取特征之间的距离大于阈值，判定两张图像中的人脸属于同一个人，否则判定为不同人。

主权项

1.基于混合训练的深度学习人脸验证方法，其特征在于包括以下步骤：A.准备人脸数据集，其包含人脸的图像以及相应的身份标签；B.对人脸数据集中的每幅图像分别进行人脸检测和人脸关键点检测，获取人脸关键点在每幅图像中的位置；C.根据人脸关键点的位置对所有人脸进行归一化处理，得到人脸图像训练集；D.将人脸图像训练集划分为训练数据集和验证数据集，并计算训练数据集中所有人脸图像的均值图像；E.将训练数据集和验证数据集中的所有人脸图像都减去均值图像，得到均值化的训练数据集和验证数据集；F.利用均值化的训练数据集和验证数据集训练深度卷积神经网络，对训练数据集进行训练和学习网络参数；同时按照训练步长，将验证数据集放入卷积神经网络中进行测试，以此观察网络的训练收敛情况，直至训练网络收敛；G.对于训练数据集和验证数据集中的每幅人脸图像，生成一个对应的三元组，从而构成三元组训练数据集和三元组验证数据集；H.利用三元组训练数据集和三元组验证数据集再次训练深度卷积神经网络，采用三元组损失函数对三元组训练数据集进行训练和学习网络参数；将验证数据放入卷积神经网络网络中进行测试，以此观察网络的训练收敛情况，直至训练网络收敛；I.对于给定待验证的两幅图像，分别进行人脸检测和人脸特征点检测，并减去均值图像，输入到深度卷积神经网络中，进行网络前馈操作，并提取最后一层特征f₁和f₂；J.根据事先选定的阈值T，当f₁和f₂之间的欧式距离小于阈值T，判定两张图像中的人脸属于同一个人，否则判定为不同人，从而完成人脸验证。