[发明专利]一种基于深度残差网络的人脸识别身份认证方法

权利要求书

1.一种基于深度残差网络的人脸识别身份认证方法，其特征在于，包括以下步骤：

步骤1：人脸数据收集与处理；

步骤1.1：收集人脸图片并按照人名进行分类，并分别保存到不同的文件夹，以此来创建人脸身份识别的数据集；

步骤1.2：利用人脸检测MTCNN算法的多任务级联卷积神经网络进行人脸检测，提取出图片中的人脸部分；经过人脸检测MTCNN算法检测并筛选到人脸图片框，再将图片的尺寸进行统一，得到处理后的数据集，总共产生两个训练集和一个测试集；

步骤1.2.1：利用P-Net获取候选窗口和边界回归向量，同时，候选窗口根据边界框进行校准，利用非极大化抑制(NMS)方法去除重叠的窗体，在原图像上截取出P-Net所确定的图像片段，并将其尺寸进行统一；

步骤1.2.2：将经过P-Net确定的包含候选窗体的图片在R-Net网络中选用全连接的方式进行训练，进行细化处理；利用边界框向量微调候选窗口，再利用非极大值抑制算法去剔除重叠窗口；

步骤1.2.3：用全连接的方式进行训练对O-Net网络进行训练，进行细化处理，利用边界框向量微调候选窗口，再利用非极大值抑制算法去剔除重叠窗口，同时标定人脸关键点位置；

步骤2：构建深度残差网络模型Inception-ResNet-v1网络模型和Mobile-ResNet网络模型，提取人脸特征值；

步骤2.1：构建Inception-ResNet-v1网络模型；将Inception网络与残差网络结合，在Inception模块上加入一个恒等映射；

步骤2.2：构建Mobile-ResNet网络模型；该网络模型利用depthwise_separable_ResNet模块代替MobileNet的深度可分离卷积模块(depthwise_separable_convolution)；

步骤3：选择损失函数与计算准确率；

步骤3.1：选择输出维度低的Tripletloss损失函数与Centerloss损失函数进行人脸特征值压缩，通过训练，对Tripletloss损失函数的间隔值Margin，Centerloss损失函数α和γ这两个参数进行调节；

步骤3.2：使用欧氏距离作为评估距离大小的方法，通过LFW数据集，来判断两张人脸图片是否属于同一个人，进而根据判断结果计算准确率；

步骤4：调节损失函数参数；选定Inception-ResNet-v1网络模型作为训练网络，选定RMSprop优化器作为训练的优化器，然后调节损失函数的参数，并进行对比训练；通过训练，对Tripletloss损失函数参数Margin以及节Centerloss损失函数参数α和λ进行调节；

步骤5：对深度残差网络模型进行训练；

步骤5.1：在LFW训练集中挑选图片batch，生成输入队列，对输入前的图片进行随机裁剪和随机翻转；

步骤5.2：构建Inception-ResNet-v1网络模型，向该网络模型输入数据并进行神经网络权值的初始化；输入队列按batch给Inception-ResNet-v1网络模型输入数据，并使用tf.truncated_normal_initializer从截断的正态分布中输出随机值来为神经网络权值进行初始化；

步骤5.3：构建Centerloss损失函数，通过神经网络的输出计算损失Loss值；

步骤5.4：设置学习率learning_rate，选择优化算法，根据损失值计算梯度更新网络权值进行网络训练；

步骤5.5：实现评估算法；每经过一定数量的迭代，就通过LFW数据集来计算一次Inception-ResNet-v1网络模型的准确率，并找到判断阈值；

步骤6：基于实际人脸识别对系统模型进行简化；

步骤6.1：改进判定阈值，利用LFW数据集作为验证集，选择不同的误识率，来验证Inception-ResNet-v1网络模型和Mobile-ResNet网络模型的准确率和拒识率；

步骤6.2：对特征值进行压缩；

步骤6.3：缩小网络模型容量，保证准确率不降低的前提下，减少模型所占容量；

步骤7：利用人脸识别身份认证系统实现离线人脸识别方法，具体包括以下步骤：

步骤7.1：拍摄人脸并生成人脸特征二维码；

获取人脸图片，模型进行人脸图片处理，统一图片尺寸，通过神经网络提取出该照片的特征值并调用zxing库生成二维码，从而将特征值存储于二维码内作为用户的身份证明；

步骤7.2：验证用户出示二维码并比对用户人脸信息是否为同一人；

对对方出示的二维码进行扫码，解读二维码所含人脸特征值，对对方人脸进行拍照，提取并计算出拍摄到的人脸图片的特征值，并与之前在二维码中提取出的特征值进行比对，调用zxing库判断是否为同一人，显示人脸距离(Face Distance)，大于1代表判断为不同人，且值越大代表人脸差距越大，小于1时代表判断为同一人，且值越小代表人脸差距越小，为同一人则显示验证成功，否则显示验证失败。