[发明专利]前向搜索模型集成方法、装置、存储设备和人脸识别系统

说明书

技术领域

本发明涉及计算机人脸识别技术领域，尤其涉及一种前向搜索模型集成方法和装置，以及一种存储设备和一种人脸识别系统。

背景技术

在人脸识别算法研究中发现，单个人脸识别模型的精确度一般来说比较有限，较常用的做法是训练出不同人脸识别模型，然后将这些模型组合集成在一起使用。集成后的模型一般会比单个模型有更高的识别准确率。这个思路不仅适用于人脸识别算法，在一般的模式识别领域同样适用。

现有的做法是直接把训练好的多个模型放在一起使用，根据多个算法模型输出，采用平均或者投票的方式进行最终识别结果的确定。发明人要实施本发明时，发现现有做法存在以下问题：

1、我们一般希望对同一任务训练出的模型越多越好，但是多个模型之间可能存在冗余，因此我们需要在训练好的模型中进行快速和有效的筛选，进行模型选择；

2、多个模型在训练过程中没有考虑到各个模型之间的信息传递和交换，因此在最终识别阶段的合作性和互补性会有欠缺，一方面不能做到全面综合多个模型的全局信息，另一方面多个模型输出的特征存在很大的冗余，加重了存储量和计算量。

发明内容

本发明实施例提出的前向搜索模型集成方法和装置，以及存储设备和人脸识别系统，能够快速有效地筛选出模型，在减少冗余的同时避免搜索空间过大。

本发明实施例提供一种前向搜索模型集成方法，包括：

获取已完成训练的N个人脸识别模型；

以所述N个人脸识别模型作为选择补集的元素，以i的初始值为1，并从所述选择补集中选取出一个人脸识别模型作为第i模型集；然后执行以下前向搜索操作：

将所述第i模型集在所述选择补集中的补集更新为所述选择补集；

从所述选择补集中选取出一个人脸识别模型与所述第i模型集并集成第i+1模型集；

当判定所述第i+1模型集满足停止前向搜索的条件时，输出所述第i+1模型集，以供人脸识别系统根据由所述第i+1模型集中包含的人脸识别模型集成的模型进行人脸识别工作；否则，对i加一并返回执行所述前向搜索操作；i<N。

进一步地，所述从所述选择补集中选取出一个人脸识别模型作为第i模型集，具体为：

从所述选择补集中选取出测试识别率最高的人脸识别模型作为第i模型集；其中，所述测试识别率是指利用人脸识别模型对标准人脸测试集的图片测试的成功率。

进一步地，所述从所述选择补集中选取出一个人脸识别模型与所述第i模型集并集成第i+1模型集，具体为：

将所述选择补集中的每一个元素分别与所述第i模型集并集成一个分集合；

对于并集而成的每一个分集合，计算由该分集合中的所有元素集成的人脸识别模型的测试识别率；

选取测试识别率最高对应的分集合作为第i+1模型集。

再进一步地，所述判定所述第i+1模型集满足停止前向搜索的条件，具体为：

由所述第i+1模型集中的所有元素集成的人脸识别模型的测试识别率与由所述第i模型集中的所有元素集成的人脸识别模型的测试识别率的差值大于前向搜索阈值。

更进一步地，计算人脸识别模型的测试识别率的过程，具体为：

采用主成分分析方法从所述人脸识别模型提取模型特征；所述模型特征的数组长度为预设数组长度；

根据提取出来的模型特征对所述标准人脸测试集的图片进行测试；

统计测试过程中的成功率，并将所述成功率作为所述人脸识别模型的测试识别率。

相应地，本发明实施例还提供一种前向搜索模型集成装置，包括：

模型获取模块，用于获取已完成训练的N个人脸识别模型；

初始化模块，用于以所述N个人脸识别模型作为选择补集的元素，以i的初始值为1，并从所述选择补集中选取出一个人脸识别模型作为第i模型集；

前向搜索模块用于执行以下前向搜索操作，具体包括以下单元：

补集更新单元，用于将所述第i模型集在所述选择补集中的补集更新为所述选择补集；

选取并集单元，用于从所述选择补集中选取出一个人脸识别模型与所述第i模型集并集成第i+1模型集；

循环判断单元，用于当判定所述第i+1模型集满足停止前向搜索的条件时，输出所述第i+1模型集，以供人脸识别系统根据由所述第i+1模型集中包含的人脸识别模型集成的模型进行人脸识别工作；否则，对i加一并返回执行所述前向搜索操作；i<N。

进一步地，所述初始化模块具体用于：