[发明专利]一种多任务的深度特征空间姿态人脸识别方法

摘要

本发明公开了一种多任务的深度特征空间姿态人脸识别方法，首先对姿态人脸图片进行角度测定，利用残差网络来实现图片深度空间特征的提取；然后，添加残余等变换映射模块，用来实现侧脸深度特征到正脸深度特征的变换，构成了网络的主任务；接着，在原来残余等变换映射模块的基础上再添加一个模块，用来实现原始侧脸深度特征的重构，以实现反馈，这是网络的副任务；最后，采用余弦相似度来衡量待比较人脸与数据库中所有人的深度特征表示之间的相似度，以此进行人脸认证识别。本发明能够根据侧脸深度空间特征得到正脸深度空间特征的鲁棒表示，使得对于侧脸的识别率得到了大幅提高，在姿态人脸检测与识别中具有非常好的应用前景。

主权项

1.一种多任务的深度特征空间姿态人脸识别方法，其特征在于：包括如下步骤：1)对训练集中的每个人不同姿态的侧面人脸图像完成姿态角度的测定；2)通过基本卷积神经网络来提取侧面人脸图像的深度空间特征；3)设计网络的主任务模块，用于完成对姿态侧脸的深度空间矫正，对于提取到的侧脸深度空间特征，对其进行特征补偿以此来实现深度特征空间的姿态矫正；4)设计网络的副任务模块，用于完成对原始侧脸姿态深度特征的重构，在得到矫正的正脸深度特征基础上，对其进行变换来重构原始输入的侧脸深度特征，以此来实现对矫正得到的正脸特征的评估；5)训练整个网络；6)对待识别的姿态人脸图片进行角度测定；7)将待识别的姿态人脸图片传入到根据步骤2到步骤5已经训练好的网络中，得到鲁棒的正脸深度空间特征；8)根据得到的待识别人脸图片的特征表示以及数据库中所有人脸的特征表示，采用余弦相似度来衡量特征之间的近似程度，以此来确定待识别人脸图像的身份信息。