[发明专利]一种微调人脸识别模型的方法

权利要求书

1.一种微调人脸识别模型的方法，其特征在于，包括以下步骤：

步骤1：多样化搜集数据：搜集目标人群的脸部数据和其携带的智能无线设备的设备信息；根据收集到的脸部数据和设备信息的时间和位置，将它们分成不同的事件；

步骤2：交叉模式标记：将跨所有事件的人脸图像分组成群集，然后基于人脸图像出现在事件方面的相似性将群集与智能无线设备的设备信息关联；

步骤3：模型微调更新：当人脸图像被用户身份标签标记后，通过微调预先训练的人脸识别模型，使群集标签更新置信度，每个事件有哪些设备参与；

步骤4：不断重复步骤2和步骤3，直到通过预先训练的人脸识别模型计算出人脸图像的差别变得微小并可以忽略，则最后一次迭代得到的优化模型是最适合新环境下人脸识别模型。

2.根据权利要求1所述的一种微调人脸识别模型的方法，其特征在于，在步骤1中，通过监控摄像机搜集目标人群的面部信息，同时利用无线信号探测器搜集智能无线设备的无线信号，获得智能无线设备的id；将人脸面部信息与智能无线设备的id关联；然后基于搜集人脸面部信息与智能无线设备的id的时间和位置，将它们分成不同的事件。

3.根据权利要求1所述的一种微调人脸识别模型的方法，其特征在于，在步骤2中，交叉模式标记具体包括以下内容：

交叉模式聚类：根据收集到的脸部数据和设备信息，结合人脸图像的外观相似性和人脸图像出现的位置信息将跨多个事件的人脸图像聚集到一个群集中，对人脸图像进行聚类形成人脸图像群集，人脸图像群集是从一组事件中提取的，将每个人脸图像群集分配给在相似的事件集合中检测到其设备的用户；

聚类标记：在人脸图像群集之后，一个人脸图像群集将与其成员人脸图像关联的多个事件链接，同一主题的设备信息和人脸图像集群在事件中共享最一致的出现模式，这反映在它们的事件向量的相似性上，基于这个前提，根据设备id的事件向量的匹配级别为人脸图像群集分配设备id。

4.根据权利要求3所述的一种微调人脸识别模型的方法，其特征在于，所述交叉模式聚类包括以下内容：

多样的特征表示：人脸图像x_i可以被转换为特征向量z_i，对于事件e_i，用向量矩阵表示设备出现的矩阵向量，如果设备l_j在事件e_k中被检测到，那么采用这种表示方式，可以为在事件e_k中收集到的人脸图像x_i表示一个异构特征由于在相同事件中捕获的所有的人脸图像有相同的出现特征向量，设备出现部分只用于跨事件的人脸图像对比；

人脸图像的相似性：已知人脸图像x_i在事件e_k中被捕获人脸图像x_j在事件e_p中被捕获这两个跨事件的人脸图像属于同一主题基于两个因素：一是z_i和z_j之间特征表示的相似性；二是与它们分别关联的事件u_k和u_p出现的重叠率；相似性用如下表达式评估：

log(Pr(x_i＝x_j))∝β*(|u_k AND u_p|-|u_k OR u_p|)-D(z_i，z_j)

运算| |表示L¹归一化，D表示人脸特征的距离度量；β表示复合损失函数中的正则化参数；|u_k OR u_p|背后的基本原理是，参加活动的受试者越多，在这些活动中绘制的任何两幅人脸图像指向同一受试者的不确定性就越大；相反，当|u_k AND u_p|的交点足够大时，这两幅人脸图像指向同一主题的几率就会增大；两个事件的出现相似性可以作为两个跨事件人脸图像属于同一主题的先验，特征相似性可以看作是可能性；它们共同决定了两个交叉事件人脸图像属于同一群集的后验概率；(|u_k AND u_p|-|u_k OR u_p|)表示目标人群的出现相似性；基于上述相似性，将跨事件的人脸图像分组到群集中。