[发明专利]一种低数据成本的人脸识别的方法及装置

权利要求书

1.一种低数据成本的人脸识别的方法，其特征在于，所述方法包括如下步骤：

步骤1，构建KSlope-curve转换器并对KSlope-curve转换器进行训练以得到一个高精准度的转换器；

步骤2，在完成KSlope-curve转换器的训练后，进行人脸识别的时候就可以通过转换器将人脸特征转成KSlope-curve曲线，通过计算曲线之间斜率分布的均方差误差实现人脸识别的数据计算。

2.如权利要求1所述的一种低数据成本的人脸识别的方法，其特征在于，所述步骤1进一步包括如下步骤：

步骤101，数据增强拼接，对每一张人脸图片做4种不同的数据增强操作，分别是：水平翻转、单通道灰度图转换、直方图均衡化、人脸区域随机遮挡，将得到的4张结果图片跟原始图片按照通道维度进行拼接，这样就得到了一张包含13个通道的人脸特征图；

步骤102，提取图片特征，用深度学习技术中卷积神经网络对所述步骤101得到的图片进行特征提取，采用大宽度的网络结构，提取5种不同操作的同一张人脸图中的共性特征，得到一张四维的特征图，最后通过特征展平的方式将其拉成一维的特征向量，并做L2归一化，具体公式为：

V＝Norm_l2(flat(f(x,w)))

其中，x为网络输入的图片特征，w为网络参数，Norm表示l2归一化；

步骤103，时序特征分析处理：将所述步骤102归一化后得到的特征整体综合起来进行时序分析；

步骤104，KSlope-curve曲线拐点坐标生成，通过线性或非线性回归的方式将所述步骤103中得到的特征向量统计分析，最终得到长度为2n的特征向量，所代表的就是KSlope-curve曲线n个拐点的X和Y坐标值；

步骤105，损失函数计算，在得到的每一个拐点坐标信息后，计算每两个相邻点的斜率K，将每个K进行拼接就得到了KSlope-curve曲线总的斜率分布，计算损失函数，并完成对KSlope-curve转换器进行训练。

3.如权利要求2所述的一种低数据成本的人脸识别的方法，其特征在于，所述步骤103进一步包括：采用具有记忆能力的网络，在所述网络的结构中设置特殊的隐含层，所述隐含层将重要的特征记录、汇总、输出，其中，在进行时序分析时不改变特征向量的维度。

4.如权利要求3所述的一种低数据成本的人脸识别的方法，其特征在于，所述步骤103进一步包括：用sigmoid函数对得到的坐标进行归一化处理，这使得输出值在0到1之间，接下来每个坐标都相加一个常数，常数大小跟拐点的索引位置有关，索引位置越大，常数就越大，通过这种方式可以保证拐点之间的连线一定是一条沿着X轴方向递延的曲线。

5.如权利要求3所述的一种低数据成本的人脸识别的方法，其特征在于，所述通过计算曲线之间斜率分布的均方差误差实现人脸识别的数据计算进一步包括：同一个人不同的人脸图片得到的KSlope-curve斜率分布是相似的，可通过均方差误差求差值，具体公式如下：

其中，m代表相邻k的个数，k表示两个相邻点的斜率。

6.一种低数据成本的人脸识别的装置，其特征在于，包括：KSlope-curve转换器，构建KSlope-curve转换器并对KSlope-curve转换器进行训练以得到一个高精准度的转换器；在完成KSlope-curve转换器的训练后，进行人脸识别的时候就可以通过转换器将人脸特征转成KSlope-curve曲线，通过计算曲线之间斜率分布的均方差误差实现人脸识别的数据计算。