一种基于级联神经网络的人脸识别方法

摘要

本发明涉及一种基于级联神经网络的人脸识别方法，其步骤包括：a)建立训练用人脸图像集；b)检测每张人脸图片的关键点；c)利用关键点信息将图片归一化成标准的灰度值图片；d)将人脸标准图片进行灰度值统计归一化；e)训练一深度神经网络，其输入为一对图片，输出的0表示判断这两张图片是负例对，1表示正例对；f)将所有图片对输入神经网络，使得所有误判成1的负例对所占的比例低于一个给定的比例；g)反复多次使用步骤e)，f)，当总网络个数达到预定个数时结束；h)任给一对新的人脸图像，利用得到的级联神经网络判定为负例对或者正例对。本发明能够有效提高人脸识别的识出率，大大降低误识率，极大提高安防监控系统的可靠性。

主权项

一种基于级联神经网络的人脸识别方法，其步骤包括：a)建立训练用人脸图像集，其包含多个不同人的图片，其中每个人的人脸图片有多张，将产生的大量个同一人的图片对称为正例对，不同人的图片对称为负例对；b)使用人脸关键点检测方法检测a)中每张人脸图片的关键点；c)利用b)中得到的关键点位置信息，将a)中的图片归一化成标准大小的灰度值图片；d)将c)中得到的人脸标准图片进行灰度值统计归一化；e)使用所有的训练图片训练一深度神经网络，其输入为一对图片，目标输出是一个0‑1值，0表示判断这两张图片是负例对，1表示判断为正例对；f)将所有的训练图片对输入到e)中训练得出的神经网络，通过调试网络最后一层的阈值使得所有误判成1的负例对所占的比例低于一给定的比例；g)反复多次使用e)，f)中的步骤，唯一区别是每次只选用上一级网络中被判断错误的负例对加入到训练集，正例对仍然使用和第一级网络中一样所有的样本，当总网络个数达到预定的个数时结束，得到训练好的级联神经网络；h)任给一对新的人脸图像，使用b)‑d)中的步骤处理成一对对齐并且归一化的图片对，然后依顺序输入g)中训练好的级联神经网络，如果在中间任何一个神经网络该图片对被判断成负例对，则系统最终判定该人脸图片对为负例对，否则为正例对。