[发明专利]基于图像识别的身份识别方法、装置及设备

权利要求书

1.一种基于图像识别的身份识别方法，其特征在于，包括：

构建人像库，所述人像库包括至少一个人对应的人脸图像，每个所述人脸图像对应一个身份信息；

从人像库中取出若干人脸图像作为训练人脸图像，构建人脸识别网络，对训练人脸图像进行降维，并采用降维后的训练人脸图像对人脸识别网络进行训练；

获取待识别人脸图像，所述人像库中存在待识别人脸图像对应人的人脸图像；

通过人脸识别网络对待识别人脸图像进行识别，得到人脸识别结果以及对应的身份信息；

所述构建人脸识别网络，对训练人脸图像进行降维，并采用降维后的训练人脸图像对人脸识别网络进行训练，包括：

采用BP神经网络作为人脸识别网络；

对训练人脸图像进行预处理，得到预处理图像；

对预处理图像进行降维处理，获取预处理图像的特征向量；

设置特征向量对应的期望向量，并以特征向量和期望向量对人脸识别网络进行训练；

所述对预处理图像进行降维处理，获取预处理图像的特征向量，包括：

构建预处理图像的协方差矩阵C，所述协方差矩阵C为：

其中，n=1,2,…,N，N表示预处理图像的总数，表示第n个预处理图像的向量，表示平均人脸向量，T表示转置符号；

获取协方差矩阵C的特征向量和特征值，所述特征向量和特征值一一对应；

将协方差矩阵C所有的特征值按从大到小的顺序排列，并取出前个特征值，以取出的前个特征值对应的个特征向量组成特征空间U，所述特征空间，表示排序后第一个特征值对应的特征向量，表示排序后第二个特征值对应的特征向量，表示排序后第个特征值对应的特征向量；

获取预处理图像在特征空间U上的投影，并将投影作为预处理图像的特征向量，所述预处理图像的特征向量为：

；

所述设置特征向量对应的期望向量，并以特征向量和期望向量对人脸识别网络进行训练，包括：

设置特征向量对应的期望向量；

将特征向量作为人脸识别网络的输入向量，获取实际输出向量；

根据实际输出向量和期望向量，获取误差值E；

判断误差值E是否位于阈值范围内，若是，则人脸识别网络训练完成，否则对人脸识别网络中输入层与隐含层之间的权重、隐含层与输出层之间的权重和阈值进行更新，并重新获取实际输出向量；

所述实际输出向量，期望向量；

其中，k=1,2,…,M，M表示人脸识别网络输出层对应的神经元总数，表示输出层中第k个神经元的实际输出值，表示输出层中第k个神经元的期望输出值；

所述误差值E为：

其中，e表示自然常数，表示陡度因子，j=1,2,…,L，L表示隐含层的神经元总数，表示中间系数，表示隐含层中第j个神经元与输出层中第k个神经元之间的权重；表示第n个特征向量输入人脸识别网络后，隐含层中第j个神经元的输出；表示输出层中第k个神经元对应的第一阈值。

2.根据权利要求1所述的基于图像识别的身份识别方法，其特征在于，所述对训练人脸图像进行预处理，包括：对训练人脸图像进行灰度化、倾斜校正、中值滤波和归一化操作。