[发明专利]一种基于深度迁移学习的素描人脸识别方法

摘要

本发明公开了一种基于深度迁移学习的素描人脸识别方法，包括以下步骤：步骤一：建立深度卷积神经网络模型；步骤二：对CUFSF素描图像库中图像进行预处理；步骤三：对包含大规模自然人脸照片的LFW图像库进行预处理，将其作为初始训练样本训练网络，得到训练模型；步骤四：将训练模型迁移到用于素描画人脸照片的网络，得到预训练模型；步骤五：建立由参考图像、正样本图像、负样本图像构成的三元组图像；步骤六：将三元组图像组作为预训练模型的输入，利用反向传播算法最小化损失函数，训练得到最终的目标训练模型；步骤七：用测试集测试步骤六得到的目标训练模型，进行素描图像的人脸识别。本方法具有素描人脸图像的识别准确率高的优点。

主权项

1.一种基于深度迁移学习的素描人脸识别方法，其特征在于：包括以下步骤：步骤一：建立用于特征提取的AlexNet深度卷积神经网络模型；步骤二：对CUFSF(CUHK Face Sketch FERET Database)人脸素描图像库中的人脸素描图像及其自然人脸照片进行预处理，该图像库由人脸图像对构成，所述图像对由同一人的自然人脸照片及其对应的素描画人脸照片组成，预处理的具体步骤如下：步骤(21)：将彩色图像转变为单通道的灰度图像；步骤(22)：使用Viola‑Jones面部特征检测器检测人脸并提取眼睛和鼻子的坐标；步骤(23)：在传统人脸剪裁的基础上扩大剪裁区域，使得裁剪后整个脸部的发际线、颈部和耳朵可见；步骤(24)：将裁剪后的人脸图像标准化到一个预定义分辨率的模板区域；步骤(25)：将预处理后的人脸图像库中的图像划分为训练集和测试集，训练集用于训练由步骤一建立的深度卷积神经网络模型，测试集用于评估模型；步骤三：对包含大规模自然人脸照片的LFW数据库，同样按照步骤二进行预处理，将该预处理后的人脸图像库中的图像作为初始训练样本训练网络，得到训练模型；步骤四：将步骤三得到的训练模型迁移到用于素描画人脸照片的网络，得到基于素描画人脸照片训练的预训练模型；步骤五：基于步骤二中的训练集建立由参考图像、正样本图像、负样本图像构成的三元组图像，方法如下：随机选取一张素描人脸图像作为参照图像，由于素描人脸图像与自然人脸照片是以图像对的形式出现，所以将唯一对应的自然人脸照片作为正样本图像，将参照图像分别与自然人脸照片对比，遍历训练集中的自然人脸照片，按相似度进行排序，取与参考图像不是同一人而相似度最高的自然人脸照片作为负样本图像；步骤六：将三元组图像作为步骤四得到的预训练模型的输入，利用反向传播算法最小化损失函数，训练得到最终的基于深度卷积神经网络的目标训练模型；步骤七：用步骤二得到的测试集测试步骤六得到的目标训练模型，进行素描图像的人脸识别。