[发明专利]一种无监督的人脸智能精确识别方法及系统

说明书

本发明公开一种无监督的人脸智能精确识别方法及系统，其中，方法包括步骤：采用密度聚类算法对已提取的人脸图片特征向量进行初步分类，采用逻辑回归算法对训练集进行模型参数学习，得到初始化逻辑回归参数；根据初始化逻辑回归参数对所述测试集中人脸图片特征向量进行逻辑回归预测处理，并将得到的预测值进行概率归一化计算得到相应的概率值；当所述概率值大于预设的置信率门限值时，则将当前进行逻辑回归预测处理的人脸图片特征向量分配至相应的标签中，并形成新的训练集；本发明实现了在增强系统聚类能力的同时确保人脸图片识别的精确度；并且本发明是基于无监督的分类算法，避免了人工标注标签，节省了人力物力，并提高了人脸图片识别的处理速度。

技术领域

本发明涉及人脸识别领域，尤其涉及一种无监督的人脸智能精确识别方法及系统。

背景技术

随着近几年视频存储、大数据分析等领域的蓬勃发展，人脸识别已经不仅仅要求能在照片中检测出人脸，而且要能够准确地从多张照片中找出同一人的照片，并能应用于各种智能设备中。

现如今常用的人脸识别方法是将人脸进行人工标注标签，然后存储在数据库中，当摄像设备再一次拍摄到人脸时，将新拍摄的照片和数据库存储的照片进行比对，在存储库中找出相似度最高的照片，并将该照片的标签作为新增照片的标签。

实际应用中，常常会遇到测试样本（即人脸图像）只有特征向量，没有指定相应标签的无监督情况，这种基于无监督的分类算法，逐渐得到业界的重视；然而，现阶段的无监督分类算法还不成熟，要不准确度不太高，要么召回率不高，要么速度很慢，或者无法适应任意分布的特征向量。因此，如何准确快速地对特征向量进行聚类，为所述特征向量分配正确的标签，成为现有技术亟需解决的问题。

因此，现有技术还有待于改进和发展。

发明内容

鉴于上述现有技术的不足，本发明的目的在于提供一种无监督的人脸智能精确识别方法及系统，旨在解决现有的无监督人脸识别方法识别精度差以及处理速度缓慢的问题。

本发明的技术方案如下：

一种无监督的人脸智能精确识别方法，其中，包括步骤：

A、采用密度聚类算法对已提取的人脸图片特征向量进行初步分类，将已分类的人脸图片特征向量组成训练集并分配相应的标签，将未分类的人脸图片特征向量组成测试集；

B、采用逻辑回归算法对所述训练集进行模型参数学习，得到初始化逻辑回归参数；

C、根据所述初始化逻辑回归参数对所述测试集中的任一人脸图片特征向量进行逻辑回归预测处理，并将得到的预测值进行概率归一化计算得到相应的概率值；

D、当所述概率值大于预设的置信率门限值时，则将当前进行逻辑回归预测处理的人脸图片特征向量分配至相应的标签中，并与原有训练集一起组成新的训练集；

E、判断所述已提取的人脸图片特征向量是否均分配至相应的标签中，若是，则结束分配；若否，则返回步骤B进行迭代运算，直至所有已提取的人脸图片特征向量均分配有相应的标签。

较佳地，所述的无监督的人脸智能精确识别方法，其中，所述步骤D还包括：

D1、当所述概率值小于预设的置信率门限值时，则判定当前进行逻辑回归预测处理的人脸图片特征向量为离群值。

较佳地，所述的无监督的人脸智能精确识别方法，其中，经过所述步骤E后，已经分配有标签的人脸图片形成一数据库，并且当在所述数据库中添加新增人脸图片时，所述方法在步骤E后还包括以下步骤：

F1、预先依次取出数据库中每一标签下的人脸图片的N个特征向量；

F2、计算新增人脸图片的特征向量与当前标签下的N个特征向量之间的欧氏距离，并统计所述欧氏距离小于欧氏距离门限值的个数；