[发明专利]基于triplet深度二值网络的快速人脸检索方法

权利要求书

1.一种基于triplet深度二值网络的快速人脸检索方法，其特征在于：使用分块图切方法进行triplet哈希编码训练，使用深度网络进行特征提取，使用循环交错两阶段的方法有效地将深度网络判别信息反馈给哈希编码网络，使得两个阶段进行循环学习，相互修正，提高网络精度；

具体包括如下步骤：

步骤A，生成三元组人脸对；

步骤B，将待生成的二值编码分组，分成M个组，每个组有N个bits；

步骤C，基于triplet的哈希编码：求解线性等式构建相关性矩阵，依次应用分块图切算法得到该bit的哈希编码；循环N次，得到该组的bits；

步骤D，训练深度网络判别器：对步骤C中得到的第m组的哈希编码，训练改进的VGG-16深度网络，损失函数为训练得到的判别信息与步骤C中哈希编码的汉明距离；所述训练改进的VGG-16深度网络，为深度网络结构，在VGG-16基础上将第10个卷积层后的pooling层和第13层卷积层进行通道间连接，在第2个全连接层之后，加入批标准化层；

步骤E，循环编码：同时更新第m组编码，并将其反馈给步骤C，训练第m+1组编码；每个阶段循环步骤C和步骤D共M次，共训练K个周期，直到步骤D网络收敛；

步骤F，提取哈希编码：训练完成后，提取步骤D中最后深度网络的判别信息层作为哈希编码，该编码长度为M×N；

步骤G，哈希编码比对：一一对比测试集和数据库中的人脸图片哈希编码的汉明距离；

步骤H，人脸检索：取最小的汉明距离对应数据库图片的身份信息，判断是否检索正确。

2.根据权利要求1所述的一种基于triplet深度二值网络的快速人脸检索方法，其特征在于：所述步骤C和步骤D是分块进行训练，每个周期网络只更新第m组的哈希编码，因此能够加快训练的速度，加速收敛。

3.根据权利要求1所述的一种基于triplet深度二值网络的快速人脸检索方法，其特征在于：所述步骤E是将步骤C和步骤D进行循环训练，步骤D的更新编码结果反馈给步骤C，使得步骤C在此基础上重新更新，能够有效利用步骤D的深度网络判别信息。