[发明专利]基于特征空间超分辨映射的低分辨率人脸识别方法

权利要求书

1.基于特征空间超分辨映射的低分辨率人脸识别方法，其特征在于，包括以下步骤：

一、训练步骤：

1)完成对人脸识别神经网络的训练；所述人脸识别神经网络能有效识别高分辨率人脸；

2)完成对特征映射模块的训练；所述特征映射模块用于实现从低分辨率人脸特征谱到高分辨率人脸特征谱的映射；所述高分辨率人脸为分辨率为30x30以上的人脸图像，所述低分辨率人脸为分辨率在30x30及以下的人脸图像；

二、识别步骤：

1)获取输入的人脸图像的分辨率；

2)将人脸图像输入至训练完成的人脸分类网络，当人脸图像为低分辨率人脸时，将人脸分类网络中最后一层特征提取卷积层输出的特征谱经过全局平均池化完成维度匹配之后作为输入至特征映射模块；当人脸图像为高分辨率人脸时，将人脸分类网络中最后一层特征提取全连接层输出的特征向量作为输入的人脸图像的特征向量；

3)依次计算输入的人脸图像的特征向量与数据库中已注册的各个人脸特征向量的余弦相似度，当有余弦相似度高于阈值的情况，则表明有识别结果输出，将对应的余弦相似度最高的已注册人脸作为识别结果输出；

特征映射模块的训练方法为：提取同一人脸样本高分辨率人脸的特征谱与降采样到低分辨率人脸的特征谱作为特征映射模块的输入，特征映射模块通过残差结构学习低分辨率人脸的特征谱到高分辨率人脸的特征谱的映射，映射公式如下：

Y(x)＝x+γ(x)·h(x)

式中，x是输入的低分辨率人脸特征谱，Y(x)是映射得到的输出，h(x)是学习到的残差，γ(x)是自适应得到的残差的权重；

特征映射模块的损失函数为：

其中，y_i为第i个高分辨率人脸特征谱，Y_i(x)的i个是高分辨率人脸特征谱通过特征映射模块的输出，N表示批尺寸，‖·‖₂为2范数。

2.如权利要求1所述方法，其特征在于，训练人脸识别神经网络时的损失函数为：

其中，x_i、x_j分别表示第i、j个输入的特征向量，θ_i、θ_j分别表示第i个特征向量的夹角、第j个特征向量的夹角，N表示批尺寸，m表示乘性角度间隔。

3.如权利要求1所述方法，其特征在于，对人脸识别神经网络的训练时，将自然场景人脸数据集中选取分辨率在90x90以上的高分辨率人脸作为人脸识别神经网络的输入；

特征映射模块训练过程中，提取人脸样本高分辨率人脸的特征谱的具体方式为：高分辨率人脸输入人脸识别神经网络后，提取最后一层特征提取卷积层输出的特征谱。

4.如权利要求1所述方法，其特征在于，余弦相似度sim的计算方法为：

x₁、x₂分别为两个特征向量，θ₁₂为两个特征向量的夹角。