基于Sigmoid函数的人脸识别方法

摘要

本发明公开了一种基于Sigmoid函数的人脸识别方法，该方法包括以下步骤：预处理训练集中的人脸图像，并提取高效的人脸图像特征，如局部二值模式(LBP)；将训练数据输入到以改进的Sigmoid函数为损失函数的目标函数进行训练，得到所有身份的预测模型；提取待确认身份的人脸图像特征，并计算其对应所有身份的预测得分，取最大得分所对应的身份信息作为最终的确认身份。与以往使用均方、hinge和log损失函数替代0-1损失函数度量分类误差不同，本发明在人脸识别预测模型的建立中，使用改进的Sigmoid函数来近似0-1损失函数。通过调整参数，可以控制近似的精确程度。改进的Sigmoid函数在趋近于0-1损失函数的同时，将获得对野点的鲁棒性。

主权项

基于Sigmoid函数的人脸识别方法，其特征在于，包括以下步骤：步骤1对人脸训练图像进行预处理，并提取人脸图像的特征；步骤2建立人脸预测模型；步骤3，将待确认身份的人脸图像进行如步骤1所述的处理，得到高效的人脸图像识别特征；步骤4，将待确认身份的图像特征依次输入K个身份的预测模型，得到K个身份的预测得分；取最大得分所对应的身份信息作为最终的确认身份，完成人脸识别任务。