[发明专利]基于SE-ResNet网络的人种识别方法、装置及计算机存储介质

说明书

本发明公开了一种基于SE‑ResNet网络的人种识别方法，包括以下步骤：获取真实人种图像数据为原始数据并对人脸进行检测并旋转填充矫正缩放至统一尺寸；去除人脸侧脸、低头及五官区域大面积遮挡的无特征图像；对图像数据进行多样性增强；对图像数据的RGB通道分别进行减值处理后分类打标签；在ResNet50基础上添加SE残差模块建立SE‑ResNet网络，并进行训练；选取待识别的图片输入至训练得到的SE‑ResNet网络进行分类识别得到结果。本发明通过对采集的图像数据进行检测处理，提出无明显特征数据后对SE‑ResNet网络训练，具有较好地识别速度和准确性。

技术领域

本发明涉及一种人种识别方法，特别是涉及一种基于SE-ResNet网络的人种识别方法、装置及计算机存储介质。

背景技术

现有世界人种识别多为公认的四大种族，在人员管理工作中，由于不同民族国家的特点不同，需要尊重各自生活工作习惯，因此需要对人脸进行识别。现有技术着重在于区分四大种族如申请号为202010996916.2，201811372085.0的这两个专利解决的问题都是现成的人脸数据集由于包含了大多数的欧美人种数据所以对其他人种识别结果不佳的问题。而一个种族之内还分多种类型，现有的识别方法对这种特定的子类型的识别准确度还不高。

发明内容

针对上述现有技术的缺陷，本发明提供了一种基于SE-ResNet网络的人种识别方法，解决四大人种中对于单个子类型分类识别的准确度不高的问题。

本发明技术方案如下：一种基于SE-ResNet网络的人种识别方法，包括以下步骤：

S1、获取真实人种图像数据为原始数据并对人脸进行检测，根据人脸五官对人脸进行旋转填充矫正并缩放至统一尺寸；

S2、去除人脸侧脸、低头及五官区域大面积遮挡的无特征图像；

S3、对图像数据进行亮度、对比度、清晰度、锐度的随机调整增加图像数据多样性后对图像进行高斯模糊处理；

S4、对图像数据的RGB通道分别进行减值处理，然后对数据集按分类打上标签区分一般人种人脸和特定人种人脸，所述一般人种为除特定人种外的其他人种；

S5、建立SE-ResNet网络，所述SE-ResNet网络依次包括第一卷积模块、第二卷积模块、第一池化层、第一SE残差模块、第三卷积模块、第二池化层、第二SE残差模块、第三SE残差模块、第四卷积模块、第三池化层、第五至第九SE残差模块、第五卷积模块、第四池化层、第十至第十二SE残差模块、第一全连接层、第二全连接层和 softmax层，所述第一至第五卷积模块分别包括卷积层+激活层，所述SE残差模块包括分别连接至eltwise层的主路和边路，所述主路依次为第一卷积层+激活层、第二卷积层 +激活层、平均池化层、全连接层、激活函数、全连接层和Sigmoid然后连接至所述eltwise 层，所述边路直接连接所述eltwise层；

S6、采用步骤S4得到的数据集对所述SE-ResNet网络进行训练；

S7、选取待识别的图片输入至步骤S6训练得到的SE-ResNet网络进行分类识别得到结果。

进一步地，所述步骤S4中将打上标签的数据集分为测试集和训练集，所述步骤S6包括S6-1，采用训练集对所述SE-ResNet网络进行训练，然后用测试集对应的原始数据测试经过步骤S6-1训练的SE-ResNet网络，将测试结果中结果正确及结果错误的原始数据对应的测试集数据组成优化训练集；S6-2，采用优化训练集对步骤S6-1训练的 SE-ResNet网络进行优化训练。