[发明专利]一种基于mixup的人脸训练与识别方法

权利要求书

1.一种基于mixup的人脸训练与识别方法，其特征在于，该方法包括以下步骤：

S1：网络搭建；

S2：人脸特征分类器的训练：构建虚拟训练样本来训练卷积神经网络；

步骤S2中，构建虚拟训练样本具体为：

其中，x_i表示第i个样本图片，y_i表示第i个样本图片的标签，代表训练网络的实际输入，代表网络的期望输出；且λ～Beta(α,α)，mixup超参数α∈(0,∞)；λ的值满足于Beta分布，是一种概率分布，使得在(0,1)上分布的概率密度积分等于1；

步骤S2中，所述人脸特征分类器的训练具体包括以下步骤：

S21：将卷积神经网络进行参数权值的初始化；

S22：对输入图片进行mixup操作，假设输入一张图片x_i，同时在批训练样本中随机得到另一张图片x_j，然后进行混合操作：将作为输入来训练神经网络；

S23：输入数据经过卷积层、池化层和全连接层的前向传播最终得到实际网络输出值y；

S24：将实际网络输出值y与期望输出值通过交叉熵代价函数计算误差LOSS；

S25：当误差超出允许范围时，将误差传回网络中，利用随机梯度下降法，依次求得全连接层、池化层、卷积层的参数误差，对网络参数进行权值更新，然后在转至步骤S22继续训练；当误差在允许范围内时，结束训练，保存参数；

S3：人脸识别：包括摄像头的图像采集，人脸检测，人脸图像预处理，特征提取，人脸验证判断。

2.根据权利要求1所述的一种基于mixup的人脸训练与识别方法，其特征在于，步骤S3中，所述人脸识别具体包括以下步骤：

S31：摄像头视频读取：使用摄像头采集图片，将采集到的图片解析，并将其传输到系统中；

S32：人脸检测：对采集的图片进行人脸检测，如果判断有人脸，则转至步骤S33，若没有则继续采集图片；

S33：人脸图片预处理：对步骤S32的采集的人脸图片进行预处理，将人脸图片剪裁为统一大小，将其转化为灰度图，人脸对齐；

S34：特征提取：将步骤S33预处理好的人脸图片使用训练好的人脸特征分类器进行特征提取；

S35：特征验证：将步骤S34中提取的人脸特征向量与存储在人脸特征数据库中的特征向量进行相似度计算，判断人物身份。

3.根据权利要求2所述的一种基于mixup的人脸训练与识别方法，其特征在于，所述步骤S32中，采用机器学习库Dlib自带的frontal_face_detector来实现人脸快速检测。

4.根据权利要求2所述的一种基于mixup的人脸训练与识别方法，其特征在于，所述步骤S33中，采用opencv中自带的对齐算法进行人脸对齐映射。