br>[0085] 人臉識(shí)別模塊中，使用待識(shí)別人臉圖像的聯(lián)合特征向量進(jìn)行人臉識(shí)別包括：
[0086] 比對單元，用于使用分類器對待識(shí)別人臉圖像的聯(lián)合特征向量與預(yù)先存儲(chǔ)的人臉 圖像模板的聯(lián)合特征向量進(jìn)行比對，判斷待識(shí)別人臉圖像和預(yù)先存儲(chǔ)的人臉圖像模板是否 屬于同一個(gè)人。
[0087] 本實(shí)施例使用聯(lián)合特征向量進(jìn)行識(shí)別，計(jì)算簡單，并且由于聯(lián)合特征向量是經(jīng)過 多個(gè)子特征向量綜合計(jì)算得到，更能夠表征人臉圖像，使得識(shí)別準(zhǔn)確率高。
[0088] 本發(fā)明實(shí)施例中，還可以使用上述的多個(gè)子特征向量進(jìn)行識(shí)別，具體的：
[0089] 人臉識(shí)別模塊中，使用待識(shí)別人臉圖像的多個(gè)子特征向量進(jìn)行人臉識(shí)別包括：
[0090] 分類單元，用于使用分類器對待識(shí)別人臉圖像的多個(gè)子特征向量進(jìn)行分類，得到 多個(gè)分類結(jié)果；
[0091] 統(tǒng)計(jì)單元，用于統(tǒng)計(jì)得到多個(gè)分類結(jié)果的眾數(shù)，作為最終分類結(jié)果；
[0092] 識(shí)別單元，用于通過最終分類結(jié)果與用戶身份的對應(yīng)關(guān)系，確定待識(shí)別人臉圖像 的用戶身份。
[0093] 本實(shí)施例直接使用多個(gè)子特征向量進(jìn)行人臉識(shí)別，無需進(jìn)一步對子特征向量進(jìn)行 計(jì)算得到聯(lián)合特征向量，簡化操作過程，并且使用多個(gè)子特征向量進(jìn)行人臉識(shí)別能夠進(jìn)一 步提高識(shí)別準(zhǔn)確率。
[0094] 本發(fā)明實(shí)施例中，卷積神經(jīng)網(wǎng)絡(luò)可以通過各種單元訓(xùn)練得到，優(yōu)選的，卷積神經(jīng)網(wǎng) 絡(luò)通過如下單元訓(xùn)練得到：
[0095] 抽樣單元，用于對人臉圖像樣本集進(jìn)行放回隨機(jī)抽樣，得到多個(gè)樣本子集；
[0096] 訓(xùn)練單元，用于使用多個(gè)樣本子集分別對多個(gè)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。
[0097] 本發(fā)明實(shí)施例保證了對多個(gè)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練的多個(gè)樣本子集具有相同的 分布規(guī)律，訓(xùn)練得到的多個(gè)卷積神經(jīng)網(wǎng)絡(luò)具有相同的特性，保證了提取到的子特征向量的 特征具有一致性，能夠很好地表征人臉圖像。
[0098] 上述的每個(gè)卷積神經(jīng)網(wǎng)絡(luò)可以包括：
[0099] 卷積單元，用于對待識(shí)別人臉圖像進(jìn)行卷積操作，得到卷積特征圖；
[0100] 操作單元，用于對卷積特征圖進(jìn)行激活操作，得到激活特征圖；
[0101] 下采樣單元，用于對激活特征圖進(jìn)行下采樣操作，得到采樣特征圖；
[0102] 向量化單元，用于重復(fù)上述卷積單元、操作單元和下采樣單元若干次后，進(jìn)行向量 化操作；
[0103] 統(tǒng)一維度映射單元，用于進(jìn)行統(tǒng)一維度映射，得到子特征向量。
[0104] 本實(shí)施例通過多次的卷積操作、激活操作和下采樣操作，并且經(jīng)過統(tǒng)一維度映射 得到多個(gè)子特征向量，使得特征更能表征圖像，并且方便后續(xù)計(jì)算。
[0105] 以上所述是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員 來說，在不脫離本發(fā)明所述原理的前提下，還可以作出若干改進(jìn)和潤飾，這些改進(jìn)和潤飾也 應(yīng)視為本發(fā)明的保護(hù)范圍。
【主權(quán)項(xiàng)】
1. 一種人臉識(shí)別的方法，其特征在于，包括： 使用預(yù)先訓(xùn)練的多個(gè)卷積神經(jīng)網(wǎng)絡(luò)分別對待識(shí)別人臉圖像進(jìn)行特征提取，得到待識(shí)別 人臉圖像的多個(gè)子特征向量，所述待識(shí)別人臉圖像的多個(gè)子特征向量的維數(shù)相同； 對所述待識(shí)別人臉圖像的多個(gè)子特征向量進(jìn)行歸一化； 將所述歸一化后的待識(shí)別人臉圖像的多個(gè)子特征向量相加后乘以一個(gè)系數(shù)，得到待識(shí) 別人臉圖像的聯(lián)合特征向量； 使用所述待識(shí)別人臉圖像的聯(lián)合特征向量進(jìn)行人臉識(shí)別，或者/以及，使用所述待識(shí) 別人臉圖像的多個(gè)子特征向量進(jìn)行人臉識(shí)別。2. 根據(jù)權(quán)利要求1所述的人臉識(shí)別的方法，其特征在于，所述使用所述待識(shí)別人臉圖 像的聯(lián)合特征向量進(jìn)行人臉識(shí)別包括： 使用分類器對所述待識(shí)別人臉圖像的聯(lián)合特征向量與預(yù)先存儲(chǔ)的人臉圖像模板的聯(lián) 合特征向量進(jìn)行比對，判斷待識(shí)別人臉圖像和預(yù)先存儲(chǔ)的人臉圖像模板是否屬于同一個(gè) 人。3. 根據(jù)權(quán)利要求1所述的人臉識(shí)別的方法，其特征在于，所述使用所述待識(shí)別人臉圖 像的多個(gè)子特征向量進(jìn)行人臉識(shí)別包括： 使用分類器對所述待識(shí)別人臉圖像的多個(gè)子特征向量進(jìn)行分類，得到多個(gè)分類結(jié)果； 統(tǒng)計(jì)得到所述多個(gè)分類結(jié)果的眾數(shù)，作為最終分類結(jié)果； 通過所述最終分類結(jié)果與用戶身份的對應(yīng)關(guān)系，確定所述待識(shí)別人臉圖像的用戶身 份。4. 根據(jù)權(quán)利要求1至3任一所述的人臉識(shí)別的方法，其特征在于，所述卷積神經(jīng)網(wǎng)絡(luò)通 過如下方法訓(xùn)練得到： 對人臉圖像樣本集進(jìn)行放回隨機(jī)抽樣，得到多個(gè)樣本子集； 使用多個(gè)樣本子集分別對多個(gè)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。5. 根據(jù)權(quán)利要求4所述的人臉識(shí)別的方法，其特征在于，每個(gè)卷積神經(jīng)網(wǎng)絡(luò)包括： 對待識(shí)別人臉圖像進(jìn)行卷積操作，得到卷積特征圖； 對所述卷積特征圖進(jìn)行激活操作，得到激活特征圖； 對所述激活特征圖進(jìn)行下采樣操作，得到采樣特征圖； 重復(fù)上述步驟若干次后，進(jìn)行向量化操作； 進(jìn)行統(tǒng)一維度映射，得到子特征向量。6. -種人臉識(shí)別的裝置，其特征在于，包括： 子特征向量提取模塊，用于使用預(yù)先訓(xùn)練的多個(gè)卷積神經(jīng)網(wǎng)絡(luò)分別對待識(shí)別人臉圖像 進(jìn)行特征提取，得到待識(shí)別人臉圖像的多個(gè)子特征向量，所述待識(shí)別人臉圖像的多個(gè)子特 征向量的維數(shù)相同； 歸一化模塊，用于對所述待識(shí)別人臉圖像的多個(gè)子特征向量進(jìn)行歸一化； 計(jì)算模塊，用于將所述歸一化后的待識(shí)別人臉圖像的多個(gè)子特征向量相加后乘以一個(gè) 系數(shù)，得到待識(shí)別人臉圖像的聯(lián)合特征向量； 人臉識(shí)別模塊，用于使用所述待識(shí)別人臉圖像的聯(lián)合特征向量進(jìn)行人臉識(shí)別，或者/ 以及，使用所述待識(shí)別人臉圖像的多個(gè)子特征向量進(jìn)行人臉識(shí)別。7. 根據(jù)權(quán)利要求6所述的人臉識(shí)別的裝置，其特征在于，所述人臉識(shí)別模塊中，所述使 用所述待識(shí)別人臉圖像的聯(lián)合特征向量進(jìn)行人臉識(shí)別包括： 比對單元，用于使用分類器對所述待識(shí)別人臉圖像的聯(lián)合特征向量與預(yù)先存儲(chǔ)的人臉 圖像模板的聯(lián)合特征向量進(jìn)行比對，判斷待識(shí)別人臉圖像和預(yù)先存儲(chǔ)的人臉圖像模板是否 屬于同一個(gè)人。8. 根據(jù)權(quán)利要求6所述的人臉識(shí)別的裝置，其特征在于，所述人臉識(shí)別模塊中，所述使 用所述待識(shí)別人臉圖像的多個(gè)子特征向量進(jìn)行人臉識(shí)別包括： 分類單元，用于使用分類器對所述待識(shí)別人臉圖像的多個(gè)子特征向量進(jìn)行分類，得到 多個(gè)分類結(jié)果； 統(tǒng)計(jì)單元，用于統(tǒng)計(jì)得到所述多個(gè)分類結(jié)果的眾數(shù)，作為最終分類結(jié)果； 識(shí)別單元，用于通過所述最終分類結(jié)果與用戶身份的對應(yīng)關(guān)系，確定所述待識(shí)別人臉 圖像的用戶身份。9. 根據(jù)權(quán)利要求6至8任一所述的人臉識(shí)別的裝置，其特征在于，所述卷積神經(jīng)網(wǎng)絡(luò)通 過如下單元訓(xùn)練得到： 抽樣單元，用于對人臉圖像樣本集進(jìn)行放回隨機(jī)抽樣，得到多個(gè)樣本子集； 訓(xùn)練單元，用于使用多個(gè)樣本子集分別對多個(gè)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。10. 根據(jù)權(quán)利要求9所述的人臉識(shí)別的裝置，其特征在于，每個(gè)卷積神經(jīng)網(wǎng)絡(luò)包括： 卷積單元，用于對待識(shí)別人臉圖像進(jìn)行卷積操作，得到卷積特征圖； 操作單元，用于對所述卷積特征圖進(jìn)行激活操作，得到激活特征圖； 下采樣單元，用于對所述激活特征圖進(jìn)行下采樣操作，得到采樣特征圖； 向量化單元，用于重復(fù)上述卷積單元、操作單元和下采樣單元若干次后，進(jìn)行向量化操 作； 統(tǒng)一維度映射單元，用于進(jìn)行統(tǒng)一維度映射，得到子特征向量。
【專利摘要】本發(fā)明公開了一種人臉識(shí)別的方法和裝置，屬于人臉識(shí)別領(lǐng)域，所述方法包括：使用預(yù)先訓(xùn)練的多個(gè)卷積神經(jīng)網(wǎng)絡(luò)分別對待識(shí)別人臉圖像進(jìn)行特征提取，得到待識(shí)別人臉圖像的多個(gè)子特征向量，所述待識(shí)別人臉圖像的多個(gè)子特征向量的維數(shù)相同；對所述待識(shí)別人臉圖像的多個(gè)子特征向量進(jìn)行歸一化；將所述歸一化后的待識(shí)別人臉圖像的多個(gè)子特征向量相加后乘以一個(gè)系數(shù)，得到待識(shí)別人臉圖像的聯(lián)合特征向量；使用所述待識(shí)別人臉圖像的聯(lián)合特征向量進(jìn)行人臉識(shí)別，或者/以及，使用所述待識(shí)別人臉圖像的多個(gè)子特征向量進(jìn)行人臉識(shí)別。本發(fā)明減少了卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時(shí)間，避免了卷積神經(jīng)網(wǎng)絡(luò)的過擬合，并且簡單方便；識(shí)別方式更多樣，準(zhǔn)確率更高。
【IPC分類】G06K9/00, G06N3/08
【公開號(hào)】CN105426860
【申請?zhí)枴緾N201510868048
【發(fā)明人】丁松, 江武明, 單成坤
【申請人】北京天誠盛業(yè)科技有限公司
【公開日】2016年3月23日
【申請日】2015年12月1日