[发明专利]一种基于特征分析的人脸识别方法

权利要求书

1.一种基于特征分析的人脸识别方法，其特征在于，包括以下步骤：

步骤1：构建用于提取特征的神经网络模型，利用人脸数据集进行训练，得到训练后的神经网络模型；

步骤2：构建人脸特征库；

步骤3：对待识别人脸图像进行滤波处理，并将处理后的图像输入训练后的神经网络模型提取特征；

步骤4：计算步骤3提取的特征与人脸特征库中的特征之间的相似度，若相似度大于阈值，则跳转步骤5，否则舍弃该特征对应的人脸图像；

步骤5：采用线性判别式提高相似度大于阈值的特征间匹配的准确率，得出识别结果。

2.根据权利要求1所述的一种基于特征分析的人脸识别方法，其特征在于，所述步骤1中，所述神经网络模型由Inception模块和ResNet模块构成。

3.根据权利要求1所述的一种基于特征分析的人脸识别方法，其特征在于，所述步骤1中，对神经网络模型进行训练时，采用的损失函数为：

其中，m表示批尺寸(batchsize)，i表示样本标注，x_i表示第i个样本，y_i表示第i个样本的标签，T表示转置操作，j表示标签标注，n表示类别总数，λ表示超参数，c表示类中心。

4.根据权利要求3所述的一种基于特征分析的人脸识别方法，其特征在于，在训练开始时，初始化参数c，在训练过程中，每迭代一次，需更新参数c，参数c的更新量为：

其中，α表示更新时采用的比例系数，N表示一个minibatch中的样本总数。

5.根据权利要求1所述的一种基于特征分析的人脸识别方法，其特征在于，所述步骤3中，对图像进行滤波处理采用的同态滤波器为：

H_mo(u，v)＝(γ_H-γ_L)H_hp(u，v)+γ_L (3)，

H_hp(u，v)＝1-exp[-a(D²(u，v)/D₀²)] (4)，

其中，u表示频域上的频率，v表示频域上的增益，γ_H表示最高幅度范围，γ_L表示最低幅度范围，D表示滤波器频率，D₀表示滤波器的中心频率，a表示一个特定的常数。

6.根据权利要求1所述的一种基于特征分析的人脸识别方法，其特征在于，所述步骤4中，采用特征间的欧式距离计算特征间的相似度。

7.根据权利要求1所述的一种基于特征分析的人脸识别方法，其特征在于，所述步骤5中，采用线性判别式提高相似度大于阈值的特征间匹配的准确率的具体步骤为：

步骤51：将待识别人脸图像的特征添加至所述人脸特征库；

步骤52：计算人脸特征库中特征间的类内散度矩阵S_w：

其中k表示人脸特征库中特征的类别序号，K表示特征的类别总数，x表示第k类特征w_k中的特征点，T表示转置操作；

步骤53：计算人脸特征库中特征的类间散度矩阵S_b：

其中，μ_k表示人脸特征库中第k类特征的均值，μ表示人脸特征库中所有特征的均值，n_k表示人脸特征库中第k类特征的特征个数。