[发明专利]基于人工神经网络的人脸测量特征空间搜索系统及方法

说明书

本发明公开了基于人工神经网络的人脸测量特征空间搜索系统及方法，其包括人脸对齐模块、自动人脸测量特征空间搜索模块、人脸检测模块，首先人脸对齐模块对原始人脸图像做预处理以提高人脸特征提取的质量，然后自动人脸测量特征空间搜索模块在三个人脸测量特征空间当中进行逐级搜索建立人脸测量特征提取器及其参数，然后人脸检测模块依靠特征提取器对人脸图像进行人脸测量特征提取操作并进行识别实现人脸识别功能，其通过逐级搜索人脸测量特征空间使搜索到准确的人脸特征模型更高效，更准确，极大降低人脸测量特征器的训练成本，同时将同一个人的图像放到同一个文件夹路径下，并通过人脸框标注人脸的位置便可完成数据标注，降低了人脸数据标注成本。

技术领域

本发明属于人工智能－图像识别技术领域，具体涉及基于人工神经网络的人脸测量特征空间搜索系统及方法。

背景技术

人工智能(ArtificialIntelligence，简称AI)，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机、高等数学、信号学、神经科学等融合的交叉技术。它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。

现有人脸识别技术宏观上分为两类：1. 人脸验证（1：1）2. 人脸识别（1：N）。人脸验证用来判断两张图片里的人是否为同一人；人脸比对用来判断系统当前见到的人，为过去见过众多人中的哪一个。

以人脸识别为例。对于一张含有人脸的图像，在人脸特征检测阶段，第一步需要检测出人脸所在的位置，得到一个人脸的建议框；然后对检测出来的人脸进行人脸矫正，即使人脸正面朝向大屏幕，然后对矫正后的人脸进行关键点检测，得到一张人脸的唯一特征图；在识别阶段，计算检测阶段唯一特征图的测量，为每一张人脸生成一组人脸测量数据，用于表示该检测人脸的唯一特征，用以区分该人脸不是其它的人脸；最后将这组人脸测量数据存入数据库中，用以后续业务的人脸比对，这样即完成了（1：N）的人脸识别。

发明人在实际使用过程中发现，这些现有技术至少存在以下技术问题：

1. 现有的人脸识别（1：N）需要大量的训练数据进行训练，成本高，时间长，所需数据量庞大。

2. 现有的人脸识别（1：N）使用时速度较慢，步骤较多，逐个进行识别需要保证每一个数据对比过程均是正确的才能真正确认待识别人脸不在数据库中，而现有的人脸识别效率和准确率又过低，具有识别失败风险，一旦整个数据库中没有所要识别的人脸的数据，想要再次验证需要重复整个识别过程，费时费力。

3. 现有的人脸识别需要复杂的数据标记或大量的标记数据，数据标注成本太高。

发明内容

为克服上述存在之不足，提出了一种基于人工神经网络的人脸测量特征空间搜索方法，其通过逐级搜索人脸测量特征空间使搜索到准确的人脸特征模型更高效，更准确，极大的降低了从零训练一个人脸测量特征器的成本，同时降低了人脸数据标注成本，只需将同一个人的图像放到同一个文件夹路径下，并标注出人脸的位置，即一个人脸框，便可完成数据标注。

为实现上述目的本发明所采用的技术方案是：提供一种基于人工神经网络的人脸测量特征空间搜索方法,其包括以下步骤：人脸对齐：对原始人脸图像做预处理，获得人脸位置进行对齐，以提高人脸特征提取的质量；生成特征提取器：建立生成三个人脸测量特征空间，对应三个阶段，第一阶段对人脸测量特征空间进行粗略定位，第二阶段对人脸测量特征空间进行精确定位，第三阶段对人脸测量特征空间微调到自有人脸数据集的垂直领域；

所述第一阶段步骤为：

b1）获取人脸对齐模块截取的人脸数据；

b2）搭建神经网络，分类层DNN的数量为所有不重复的人脸数量，并施加损失函数；

b3）神经网络的主干网络加分类层组成第一阶段的人脸测量特征空间；