[发明专利]基于神经网络的轻量级的人脸识别方法

摘要

本发明公开了一种基于神经网络的轻量级的人脸识别方法，属于人脸识别技术领域。为了解决现有的基于深度学习的人脸识别系统中存在的模型过大，速度慢等技术问题，本发明通过对人脸特征提取网络的优化，压缩了人脸识别处理中所涉及的深度神经网络模型的大小，在损失较少或极少系统精度的前提下，加快人脸识别处理速度。本发明的轻量级的识别方法可部署在小型移动终端比如树莓派，单片机等小型设备上，可应用于门禁管理系统，超市会员注册管理系统，考生身份验证管理系统中。

主权项

1.基于神经网络的轻量级的人脸识别方法，其特征在于，包括下列步骤：构建人脸检测器步骤：以深度神经卷积网络模型作为人脸检测网络模型，包括人脸特征提取网络、全连接层和非极大值抑制层；训练所述人脸检测网络模型时，对所述人脸特征提取网络模型进行第一轻量化处理；将训练好的人脸检测网络模型作为轻量化人脸检测器；其中，第一轻量化处理包括模型参数剪枝和模型参数量化；构建面部特征提取器步骤：以深度神经卷积网络模型作为面部特征提取网络模型，并对其进行深度学习训练，训练时，对所述面部特征提取网络模型进行第二轻量化处理；将训练好的面部特征提取网络模型作为轻量化面部特征提取器；其中，第二轻量化处理包括模型参数量化；构建人脸识别数据库步骤：将同一人不同角度的照片进行尺度归一化处理后，再输入轻量化面部特征提取器，得到对应的面部特征向量并存入人脸识别数据库；其中归一化后的尺寸与轻量化面部特征提取器的输入相匹配；人脸区域检测步骤：对待识别的图像进行尺寸归一化处理后，输入轻量化人脸检测器，从待识别的图像中检测出人脸的存在，并分离出人脸区域图像；其中归一化后的尺寸与轻量化人脸检测器的输入相匹配；人脸识别处理步骤：对人脸区域检测步骤得到的人脸区域图像进行归一化处理后，输入轻量化面部特征提取器，得到待识别的面部特征向量；其中归一化后的尺寸与轻量化面部特征提取器的输入相匹配；再将待识别的面部特征向量与人脸识别数据库中的面部特征向量进行比较，取距离最近的比较结果作为人脸识别结果；所述模型参数剪枝和模型参数量化，具体方式为：(a)模型参数剪枝：计算全连接层的各神经元a_i与上一层的各神经元的权重b_ik之间的相关系数r_ik：其中i为全连接层的神经元的区分符，k为权重区分符，分别表示神经元a_i、权重b_ik的均值，分别表示神经元a_i、权重b_ik的方差；基于相关系数构建表示剪枝的掩码矩阵：分别在正、负相关的相关系数中采样S×K+、S×K‑个相关系数，再将所采样的关系数对应的权重索引的掩码参数设置为激活，而其他位置的掩码参数置为非激活，得到表示剪枝的掩码矩阵；其中S表示预设的稀疏度，取值范围为0

下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。 免登录下载普通用户下载升级VIP会员，免费下载

该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于电子科技大学，未经电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】

本文链接：http://www.vipzhuanli.com/patent/201811049087.6/，转载请声明来源钻瓜专利网。