[发明专利]一种基于统一式生成模型的跨衰老人脸识别方法

摘要

本发明提出了一种基于统一式生成模型的跨衰老人脸识别方法，属于计算机视觉和机器学习技术领域，涉及人脸识别中的跨衰老识别问题。该方法首先假设深度网络提取出的人脸身份特征并不能完全剔除人脸上衰老的信息，然后利用生成方法补全建立字典库缺失的年龄图片，再通过人脸识别网络提取出每张图片的特征，接着把相关的图片特征进行融合，然后求出待测图片特征与字典库中每一个特征的余弦相似度，最后把余弦相似度最大的作为正确匹配对象。本发明的方法，可以用于各种场景下的跨衰老人脸识别。

主权项

1.一种基于统一式生成模型的跨衰老人脸识别方法，它包含以下步骤：步骤1：获取人脸数据库；将获得人脸数据库分为3部分，分别为A部分，B部分，C部分；步骤2：对下载的图片进行人脸对齐处理；步骤3：利用步骤2处理后的A部分数据库图片训练一个人脸识别网络，该网络结构采用Iception‑Resnet V1，训练的损失函数采用Softmax Loss，Center Loss以及网络参数权重范数的组合，总的损失函数用符号表示，其中表示第i个特征是d维的，属于第y_i类；是最后全连接层的权重矩阵的第j列，是权重项；m表示样本个数，n表示样本类别数；表示第i个特征是d维的，属于第y_i类；表示第y_i类的类中心；m表示样本个数；W表示网络所有权重的集合，两个超参数λ_c和λ_w用于调节CenterLoss和权重范数在总的损失函数中的比重；步骤4：利用步骤2处理后的B部分数据库图片训练一个年龄图片生成网络，该网络采用UnifiedGAN的网络结构；训练时损失函数分为两部分；其中生成器的损失函数用来表示，其中β是超参数，调节损失权重；公式中的第一项是传统条件生成对抗网络的生成器损失函数，z表示输入的随机噪声信号，服从p_z(z)分布，这里取‑1到1之间的均匀分布；l表示年龄标签，p_data(l)是年龄分布；G(z，l)表示生成器根据输入的随机信号和年龄标签生成的年龄图片，D_a(G(z，l)，l)则表示判别器D对生成图片的判别结果，是判断是否为真实图片的概率值，该值为1表示判断为真实图片；公式中的第二项表示原图和生成图之间的差别，是两张图片像素级别的比较；其中I表示输入原图即真实图片，D_z(I，l)表示原图通过判别器后提取出的特征，G(D_a(I，l)，l)表示根据原图特征和年龄信息重构出的生成图；判别器的损失函数用来表示，其中γ是超参数，调节损失权重；公式中的第一项是传统条件生成对抗网络的判别器损失函数，符号表示与前述一致；公式中第二项表示原图和生成图的隐特征之间的差别，是隐特征向量的比较；其中符号表示与前述一致；步骤5：利用步骤4中训练好的生成网络，将步骤2处理后的C部分数据库图片生成不同年龄段的新图片，每张原图分别生成10个年龄段的图片，以编号0，1，2，3，4，5，6，7，8，9代表年龄段0‑5岁，6‑10岁，11‑20岁，21‑30岁，31‑40岁，41‑50岁，51‑60岁，61‑70岁，71岁及以上；所有原图和生成图组成一个新的集合；步骤6：利用步骤3中训练好的人脸识别网络，提取出步骤5新的集合中所有图片的特征，第i个人的第j张图片生成的第k个年龄段的图片提取出的特征用符号来表示；步骤7：测试；测试方法如下：取步骤6中每人一张原图的特征作为测试集，采用如下两种方法的中的任意一种构建其余原图与其生成图的特征共同构造特征字典库：方法(1)将同一个人同一年龄段的所有生成图特征作平均化处理，融合为一个特征，这样每一个人最终均有10个生成图特征，然后将原图和生成图的特征都放入字典集中建立字典，平均化后，第i个人的第k个年龄段的图片特征用符号来表示，其中mi表示第i个人在该年龄段的图片数目；方法(2)将同一个人同一年龄段的不同生成图作加权平均化处理，融合为一个特征，权重分配根据原图年龄与生成图的年龄差构成；这样每一个人均有10个生成图特征，将原图和生成图都放入字典集中建立字典，加权平均化后，第i个人的第k个年龄段的图片特征用符号来表示，其中表示第i个人第j张图片的生成图对应的权重向量，是该向量的第k个元素，表示生成图序列中的第k张图在加权平均时对应的权重值；步骤8：计算步骤7中得到的测试集图片特征与字典库中各特征的余弦相似度，选择相似度最大的作为匹配图片。