[发明专利]一种自适应智能人脸识别方法及系统

说明书

本发明涉及人脸识别的技术领域，公开了一种自适应智能人脸识别方法及系统，方法包括：对人脸去妆模型利用Nesterov动量加速方法进行优化；对人脸遮挡区域修复模型利用负动量加速方法进行优化求解；采集待检测识别的人脸图像，并对图像进行分割将人脸图像分为待去妆区域图像和待修复区域图像；将待去妆区域图像和待修复区域图像分别输入到人脸去妆优化模型以及人脸遮挡区域修复优化模型中；将模型输出的合成图像输入人脸识别系统进行识别认证。本发明实现人脸图像的妆容变化消除以及遮挡物修复，得到待检测识别人员的真实人脸图像信息，实现人脸的可靠识别，并采用多种动量加速方法快速求解得到最优模型参数，快速得到可用模型。

技术领域

本发明涉及人脸识别的技术领域，尤其涉及一种自适应智能人脸识别方法及系统。

背景技术

智慧园区利用人脸识别技术极大提高了园区通行效率，对园区管理提供了便利。但是在实际生活场景中，特别是近年，人们常常佩戴口罩、眼镜(墨镜)等使得人脸部分遮挡，加之美瞳、双眼皮贴、假睫毛等美妆用品修饰整形容易造成人脸识别系统误判放行，对园区关键区域造成巨大安全隐患，如何去除美妆用品和消除遮挡区域对人脸识别的影响，提高人脸识别准确率，增强算法的鲁棒性成为了亟待解决的问题。

发明内容

有鉴于此，本发明提供一种自适应智能人脸识别方法，通过对非遮挡区域进行去妆处理得到待检测识别人员的真实人脸区域信息，对遮挡区域进行修复，再对修复后的人脸信息进行整合，实现遮挡人脸的可靠识别，目的在于：1)针对妆容变化特征不明显的缘故，设计基于生成对抗网络的人脸去妆模型，在模型训练过程中，利用去妆图像训练判别层对去妆图像生成层所生成的去妆图像进行评估，并基于评估结果引导去妆图像生成层生成质量更高的去妆模型，同时采用Nesterov动量加速方法控制调节模型参数的变化方向，使得去妆图像生成层的参数易于变动为使得去妆图像训练判别层评估效果更好的参数，并采用基于L2范数的约束条件的对参数优化进行限制，稳定人脸去妆模型的训练过程，使得模型参数易于收敛，快速得到可用的最优模型；2)通过利用负动量加速方法对人脸遮挡区域修复模型进行优化求解，负动量参数随着迭代次数而递减，并且最后趋向于0，这种动量参数的选取规则可以有效缓解算法收敛过程中的振荡现象，避免动量参数较大时，会在最优值附近产生震荡现象，使得迭代难以终止，且在优化求解过程中引入步骤参数值的梯度，从而在迭代更新中利用这些新增的梯度信息，不断调整算法的下降方向，进一步提高算法的收敛精度；3)通过基于灰度阈值对图像进行分割将人脸图像分为待去妆区域图像和待修复区域图像，将待去妆区域图像和待修复区域图像分别输入到人脸去妆优化模型以及人脸遮挡区域修复优化模型中，将模型输出的图像结果进行拼接合成，得到消除妆容变化以及修复遮挡区域的最终人脸图像，并将最终人脸图像输入人脸识别系统进行识别认证，实现人脸的可靠识别。

为实现上述目的，本发明提供的一种自适应智能人脸识别方法，包括以下步骤：

S1：构建人脸去妆模型，所述人脸去妆模型以待去妆人脸图像为输入，以去妆后的人脸图像为输出；

S2：对构建得到的人脸去妆模型利用Nesterov动量加速方法进行优化求解，得到人脸去妆优化模型；

S3：构建人脸遮挡区域修复模型，所述人脸遮挡区域修复模型以存在遮挡物的人脸图像为输入，以修复后的人脸图像为输出；

S4：对构建得到的人脸遮挡区域修复模型利用负动量加速方法进行优化求解，得到人脸遮挡区域修复优化模型；

S5：采集待检测识别的人脸图像，并对图像进行分割将人脸图像分为待去妆区域图像和待修复区域图像，其中待去妆区域图像表示存在妆容变化的区域图像，所述待修复区域表示存在遮挡物的区域图像；

S6：将待去妆区域图像和待修复区域图像分别输入到人脸去妆优化模型以及人脸遮挡区域修复优化模型中；

S7：将模型输出图像结果进行拼接合成，得到消除妆容变化以及修复遮挡区域的最终人脸图像，并将最终人脸图像输入人脸识别系统进行识别认证。