[发明专利]一种基于深度学习的快速人脸检索方法

说明书

本发明公开了一种基于深度学习的快速人脸检索方法，属于计算机视觉目标识别应用领域。本发明主要利用深度神经网络和提取人脸二值特征，结合局部敏感哈希(Locality Sensitive Hashing,LSH)最近邻检索算法，提出了一种快速高效的人脸检索算法。首先通过大量标定人脸数据训练深度神经网络，然后将数据库中的所有图片代入神经网络进行计算，得到对应的二值特征库，然后设计哈希函数，构造哈希结构。对于待检索的图片，同样代入神经网络进行计算，得到二值特征后，通过LSH算法完成检索。通过大量的数据库测试发现，该方法检索准确率高，速度快，并在工程环境应用时有很好的鲁棒性。

技术领域

本发明涉及计算机视觉目标检索应用领域，具体涉及到大数据集中基于深度学习的快速人脸检索方法。

背景技术

人脸识别系统以人脸识别技术为核心，是一项新兴的生物识别技术，是当今国际科技领域攻关的高精尖技术。它广泛采用区域特征分析算法，融合了计算机图像处理技术与生物统计学原理于一体，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析建立数学模型，具有广阔的发展前景。人脸检索技术广泛应用在刑侦、监控以及治安等多个领域和场景，有着非常高的研究价值。随着应用场景的复杂度不断增加，数据库的规模也越来越大，在数据库中快速检索出目标人脸的难度也随着增加。在实际的应用中，样本数一般比较大并且会频繁变化(如公民的身份证库)，所以对于人脸识别问题，大多数研究人员的重点在于验证，即比较两张图片是否属于同一个个体，然而验证算法的应用场景有限，对于海量数据库的检索只能通过一一比对的方式，效率比较低下，因此，如何在海量数据库中快速检索人脸是人脸识别的一个重点研究方向。

本文提出了一种基于深度学习的快速人脸检索算法，利用深度神经网络提取人脸二值特征，结合LSH算法，实现海量数据库中的人脸快速检索。

发明内容

本发明的目的在于:为解决目前基于二值特征的快速人脸检索方法的准确率不高的问题，本发明提供一种基于深度学习的二值特征提取算法，用于人脸快速检索。

为了解决上述技术问题，达到上述目的，本发明采用如下技术方案：

一种基于深度学习的快速人脸检索方法，包括如下步骤：

步骤1：设计卷积神经网络结构和损失函数；

卷积神经网络以Inception-ResNet-v2为主要结构，以Sigmoid函数为激活函数，损失函数包括交叉熵损失函数、中心距离损失层损失函数和类间损失层损失函数；

(1)交叉熵损失函数：

交叉熵损失函数表达式如下：

其中a为网络实际的输出，y为期望值；

(2)中心距离损失层损失函数：

中心距离损失函数的表达式如下：

其中表示数据块中第y_i个个体所有样本的特征中心值，x_i表示该个体的某一样本的特征值；

(3)类间损失层损失函数：

类间损失函数表达式如下：

其中，α为自定义常量，xⁿ_i代表第i个个体的第n张图片，x^m_j同理；

步骤2：通过损失函数训练卷积神经网络；

步骤3：对于检索数据库的所有图片，通过训练好的卷积神经网络计算人脸二值特征；