[发明专利]一种结合图像质量分析与度量学习的人脸特征识别方法

摘要

本发明公开了一种结合图像质量分析与度量学习的人脸特征识别方法及系统，方法包括：通过将人脸图像经过处理后加入卷积神经网络中训练，获得初级特征；根据初级特征的范数得到人脸图像的质量量化值；添加全连接参数层将初级特征进行降维处理得到最终特征；根据最终特征并将人脸图像的质量量化值作为附加权重信息得出加权平均值，并将其加入训练，得到度量学习的损失函数；通过损失函数监督训练过程，得到卷积神经网络的最终参数，作为最终的人脸特征提取模型并对人脸图片进行人脸特征识别。本发明用很小的计算量获取图片质量的量化值，并根据人脸特征的范数值制定了统一的量化标准；提高了网络的表达能力，并增强了网络对低质量图片的适应性。

主权项

一种结合图像质量分析与度量学习的人脸特征识别方法，其特征在于,包括：通过将人脸图像Ii(i＝1,2,,…,Ntrain)经过处理后加入卷积神经网络中训练，获得训练集中所有的人脸图像的初级特征Fi(i＝1,2,,…,Ntrain)，其中Ntrain为训练集IMGtrain的图像数量；根据所述训练集中所有人脸图像的初级特征Fi的L2范数得到所述人脸图像的质量量化值μ；添加全连接参数层将所述初级特征Fi进行降维处理得到最终特征并得到同一身份的N张人脸图像构成的身份集合Sa的特征定义Ra(Sa)；根据所述最终特征并将所述人脸图像的质量量化值μ作为附加权重信息得出加权平均值，将所述加权平均值加入训练，得到度量学习的损失函数；通过所述损失函数监督训练过程，得到卷积神经网络的最终参数θf，作为最终的人脸特征提取模型，根据所述人脸特征提取模型对人脸图片进行人脸特征识别。