[發(fā)明專利]基于正交實驗分析的深度學習人臉圖像擴充方法

在審

• 申請?zhí)枺?/td>: 201810346925.X
• 申請日: 2018-04-18
• 公開（公告）號: CN108573284A
• 公開（公告）日: 2018-09-25
• 發(fā)明（設計）人: 裴炤;徐航;馬苗;彭亞麗;武杰;曹文飛
• 申請（專利權）人: 陜西師范大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;G06N3/08
• 代理公司: 西安永生專利代理有限責任公司 61201
• 代理人: 申忠才

一種基于正交實驗分析的深度學習人臉圖像擴充方法，包括：擴充人臉圖像、訓練深度卷積神經(jīng)網(wǎng)絡、正交實驗、優(yōu)化深度卷積神經(jīng)網(wǎng)絡步驟。本發(fā)明采用正交實驗分析了不同的人臉圖像擴充方法對人臉識別率的影響，確定了最佳的擴充方法。使用人臉圖像擴充方法容易獲得大量人臉圖像數(shù)據(jù)，解決了實際應用中人臉采集耗時長、效率低的技術問題。同時采用深度卷積神經(jīng)網(wǎng)絡對擴充后的人臉圖像進行訓練，解決了人臉識別方法在實際應用中識別率低的技術問題。

技術領域

本發(fā)明屬于圖像處理技術領域，具體涉及一種基于正交實驗分析的深度學習人臉圖像擴充方法。

背景技術

人臉識別是一種生物特征識別技術，卷積神經(jīng)網(wǎng)絡的提出進一步提高了人臉識別率，由于其可靠性強，識別率高等優(yōu)點，人臉識別具有廣泛的應用前景。文獻“A unifiedembedding for face recognition and clustering.In Proc.CVPR,2015，p815-823”公開了一種基于深度學習的人臉識別方法。該方法以大量人臉圖片作為輸入，通過深度卷積神經(jīng)網(wǎng)絡學習人臉特征，將人臉圖像映射到歐式空間，空間距離的長度表示人臉圖像的相似性，通過比較人臉圖像的空間距離長度完成人臉識別。然而，該方法在訓練深度卷積神經(jīng)網(wǎng)絡時使用了大量人臉圖像，在實際應用中采集人臉圖像效率低、耗時長，獲取大量的人臉圖像數(shù)據(jù)比較困難。對人臉圖像進行擴充是一種有效的方法，但人臉圖像擴充方法復雜多樣。因此分析不同擴充方法對人臉識別率的影響，確定最佳的擴充方法是十分必要的。

發(fā)明內容

本發(fā)明所要解決的技術問題在于克服上述現(xiàn)有技術的缺點，提供一種人臉圖像獲取簡單、效率高、人臉識別效果好的基于正交實驗分析的深度學習人臉圖像擴充方法。

解決上技術問題所采用的技術方案由下述步驟組成：

(1)擴充人臉圖像

建立原始人臉圖像數(shù)據(jù)庫I為：

I＝{I_k|k∈[1,N]} (1)

其中N是初始人臉圖像的總數(shù)量為有限的正整數(shù)，I_k為一幅人臉圖像，k為原始人臉圖像數(shù)據(jù)庫I中圖像的編號。

使用不同的數(shù)據(jù)擴充方法對原始人臉圖像數(shù)據(jù)庫I進行擴充，數(shù)據(jù)擴充方法采用現(xiàn)有的圖像處理方法，包括圖像旋轉、圖像放大、圖像平移、亮度增強、均值濾波、中值濾波、高斯濾波、雙邊濾波，得到擴充后的人臉數(shù)據(jù)集：

式中為平移后的圖像，為旋轉后的圖像，為縮放后的圖像，為亮度增強后的圖像，為經(jīng)過均值濾波處理后的圖像，為經(jīng)過中值濾波處理后的圖像，為經(jīng)過高斯濾波處理后的圖像，為經(jīng)過雙邊濾波處理后的圖像。

經(jīng)擴充后的人臉數(shù)據(jù)集作為訓練集如下：

D＝{(I_i′,T_i)|i∈[1,U]} (3)

式中I_i′為待訓練的人臉圖像，T_i為I_i′相應的人臉標簽，U是D中圖片的總數(shù)量為有限的正整數(shù)，i為D中圖像的編號。

(2)訓練深度卷積神經(jīng)網(wǎng)絡

卷積神經(jīng)網(wǎng)絡包括輸入層(1)、13個卷積層(2)，5個池化層(3)、3個全連接層(4)、輸出層(5)，連接關系如下：