[发明专利]一种亚洲人脸库智能建立方法

说明书

本发明公开了一种亚洲人脸库智能建立方法，包括以下步骤：选取数据源；视频解码；人脸检测；去除模糊图片；整理与分类清晰数据集。本发明方法避免了过多的财力、物力、人力花费，其建立的人脸数据集大多是多姿态、多背景，因此有助于模型泛化能力的提高。同时基于亚洲电影数量的优势，使建立百万级数据库成为可能。

技术领域

本发明属于计算机视觉技术领域，具体涉及一种亚洲人脸库智能建立方法。

背景技术

近年来，安防行业掀起了一波人脸识别的热潮，众多厂商纷纷推出了相应的产品，一时间，人脸识别成为了行业的热点。据统计，在2017年的中国国际社会公共安全博览会上至少有40家企业展示了自己的人脸识别产品。其中既有大华股份，海康威视这样的大安防厂商，也有汉王、银晨这样的智能化厂商。同时，众多媒体也接连报道了人脸识别技术在学术界和工业界取得的巨大成果：比如之前，腾讯在LFW人脸识别数据集上取得了较高的识别率，刷新了年初谷歌的记录；阿里巴巴集团执行主席马云在德国展会上演示了人脸识别与支付宝的结合应用，“刷脸支付”将走向生活。这些振奋人心的消息似乎在清楚地告诉我们，人脸识别已经从“梦想”照进“现实”。

然而，人脸的识别率主要由算法和人脸数据集所决定。对于算法来讲，目前统一指向深度学习模型，而当前人脸识别率较高的几个巨头公司的人脸识别模型已然成型或是公开，这一点可以实施拿来主义精神。不幸的是当下公开的人脸数据库几乎都是西方数据集，由于存在种族差异，使得训练好的模型对西方数据集较为适应，而对亚洲人脸识别的性能偏低。而国内巨头公司自己的人脸数据库又不愿公开，导致即使使用相同的算法，也难以达到预期的目标。因此，如何建立自己的亚洲人脸数据库成为当下公司的核心问题。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足，提供一种低成本、低人力的亚洲人脸库智能建立方法。

为实现上述技术目的，本发明采取的技术方案为：

一种亚洲人脸库智能建立方法，包括以下步骤：

选取数据源；

视频解码；

人脸检测；

去除模糊图片；

整理与分类清晰数据集。

为优化上述技术方案，采取的具体措施还包括：

上述的数据源为亚洲电影。

上述的视频解码采用抽帧方式，用于降低视频数据的时间复杂度和空间复杂度；所述人脸检测采用改进的yolov3-tiny人脸检测算法。

所述设计人脸检测模型基于yolov3-tiny设计理念进行改进，具体为：

由于目标检测类别数较少，顾将卷积层的数量设定为八层；

其次在前期训练时，将改进的yolov3-tiny按分类方式进行训练，即在特征层后面利用

softmax进行两分类，得到初始化模型；

最后利用训练好的分类模型，初始化改进的yolov3-tiny进行大规模的人脸检测训练。

上述的去除模糊图片运用Sobel算子的纹理检测机制，利用快速卷积函数实现对每张人脸的纹理检测。

上述的整理与分类清晰数据集包括设计人脸特征提取模型、人脸数据类间聚类、人脸数据类内聚类、人脸数据类间合并、人脸数据二次清洗以及人工命名；

所述设计人脸特征提取模型基于残差网络ResNet-18进行改进，具体为：

在conv4_x增加一个block，在conv5_x增加两个block；