[发明专利]一种结合图像质量分析与度量学习的人脸特征识别方法

权利要求书

1.一种结合图像质量分析与度量学习的人脸特征识别方法，其特征在于，包括：

通过将人脸图像I_i(i＝1，2，....，N_train)经过处理后加入卷积神经网络中训练，获得训练集中所有的人脸图像的初级特征F_i(i＝1，2，...，N_train)，其中N_train为训练集IMG_train的图像数量；

根据所述训练集中所有人脸图像的初级特征F_i的L₂范数得到所述人脸图像的质量量化值μ；

添加全连接参数层将所述初级特征F_i进行降维处理得到最终特征并得到同一身份的N张人脸图像构成的身份集合S_a的特征定义R_a(S_a)；

根据所述最终特征并将所述人脸图像的质量量化值μ作为附加权重信息得出加权平均值，将所述加权平均值加入训练，得到度量学习的损失函数；

通过所述损失函数监督训练过程，得到卷积神经网络的最终参数θ_f，作为最终的人脸特征提取模型，根据所述人脸特征提取模型对人脸图片进行人脸特征识别。

2.根据权利要求1所述的方法，其特征在于，所述将人脸图像经过处理具体包括：对于每一张输入的人脸图像I_i(i＝1，2，...，N_train)，进行人脸检测与关键点标注，再根据关键点对每一张输入的人脸图像进行对齐处理，将所有输入的人脸图像划归为同一尺度，并得与每一张输入的人脸图像对应的处理后人脸图像I‘_i(i＝1，2，...，N_train)，将人脸图像I‘_i(i＝1，2，...，N_train)加入到卷积神经网络中进行初步训练，得到相应的卷积神经网络参数θ。

3.根据权利要求2所述的方法，其特征在于，在所述获得训练集中所有人脸图像的初级特征F_i(i＝1，2，...，N_train)后还包括：

利用所述卷积神经网络参数θ提取训练集IMG_train中相应的人脸图像的初级特征F_i(i＝1，2，...，N_train)，所述初级特征的特征维数为512维，F_i＝θ₁·I_i，其中F_i＝{x_i，0，x_i，1，x_i，2，...，x_i，511}，X_i，j为训练集IMG_train中图像I_i(i＝1，2，...，Ntrain) 的第j+1维特征维数数值。

4.根据权利要求3所述的方法，其特征在于，所述人脸图像质量的量化值μ得出方法具体为：

其中μ_i为人脸图像I_i的质量量化值，即图像I_i对应的初级特征的L₂范数。