[发明专利]基于烟花深度信念网络的人脸性别识别方法

摘要

一种基于烟花深度信念网络的人脸性别识别方法，由原始图像预处理、训练深度信念网络、用烟花算法优化深度信念网络初始参数空间、使用烟花算法优化的深度信念网络进行人脸性别识别组成。本发明采用深度信念网络在无监督阶段学习到人脸图像语义信息更加丰富的特征，在有监督阶段采用烟花算法调节深度信念网络初始参数空间，得到更适合于识别任务的网络模型。本发明具有抗干扰性强、全局最优、识别率高等优点，可用于人脸性别识别以及其它的图像识别和分类。

主权项

1.一种基于烟花深度信念网络的人脸性别识别方法，其特征在于它包括下述步骤：(1)原始图像预处理将原始彩色图像转化为灰度图像，并分割出人脸部分，转化为一维向量，每一行向量表示一张图像；(2)训练深度信念网络设置深度信念网络输入层、隐层和输出层的层数，以及各层节点数，通过贪婪逐层无监督学习，得到深度信念网络初始参数空间：θ₁＝(W,B,C)式中W为网络的权值，B为隐层的偏置，C为可视层的偏置；(3)用烟花算法优化深度信念网络初始参数空间在有监督学习阶段，用烟花算法寻找全局最优点，用共轭梯度法对全局最优点进行局部搜索，用烟花算法和共轭梯度法优化深度信念网络初始参数空间，步骤如下：1)设置烟花算法有限的最大迭代次数，将其作为烟花算法的终止条件，初始化M个烟花，M为5～20的整数，将深度信念网络初始参数空间θ₁作为其中的一个烟花,其余M‑1个初始烟花由如下公式得出：θ＝rand(1,n)×(UB‑LB)+ones(1,n)×LB   (1)其中，式中，n为深度信念网络初始参数空间θ₁的元素数，H为深度信念网络隐层总数，1≤H≤3，D_s为第s个隐层的节点数，D_s为100～500的正整数，D₀为输入图像的像素数，rand(1,n)表示生成一个1×n矩阵，矩阵中每一个元素为(0,1)区间的一个随机实数，ones(1,n)表示生成一个1×n矩阵，矩阵中所有元素全为1，UB为烟花算法搜索空间的上界，UB为1～5的整数，LB为烟花算法搜索空间的下界，LB为‑5～‑1的整数；2)使用烟花算法寻找种群最优个体θ^*3)使用共轭梯度法继续寻找最优个体θ^*的最优解，如果找到，则更新种群最优个体θ^*，否则保持种群最优个体θ^*，将种群最优个体θ^*作为下一代的烟花，若满足终止条件，则执行步骤4)，否则跳转到步骤2)；4)返回种群最优个体θ^*，作为深度信念网络参数空间；(4)使用烟花算法优化的深度信念网络进行人脸性别识别将测试图像输入到经过优化的深度信念网络，第s个隐层第j个节点的特征向量由下式得到：式中，为第s个隐层第j个节点的偏置，为连接第s‑1个隐层第i个节点和第s个隐层第j个节点的权值，为第s‑1个隐层第i个节点的特征向量，表示输入图像第i个像素归一化的灰度值，x为深度信念网络输入图像；输入测试图像，在输出层得到网络预测的男女性别，其性别由下式得到：式中，为输出层第j个节点的偏置，D_H为第H个隐层的节点数，为连接第H个隐层第i个节点和输出层第j个节点的权值，x为深度信念网络输入图像，为第H个隐层第i个节点的特征向量，J为输入图像的判断性别，当J是1时为男性，J是2时为女性。