[发明专利]一种人脸特征模型的训练方法及装置

说明书

技术领域

本发明涉及人脸识别技术领域，尤其涉及一种人脸特征模型的训练方法及装置。

背景技术

人脸识别作为一种生物特征识别技术，早期主要应用于公共安全领域。传统的人脸识别技术主要是基于可见光图像的人脸识别，这也是人们熟悉的识别方式。但这种方式有着难以克服的缺陷，尤其在环境光照发生变化时，识别效果会急剧下降，无法满足实际系统的需要。解决光照问题的方案有三维图像人脸识别，和热成像人脸识别。但这两种技术还远不成熟，识别效果不尽人意。

近两年，随着技术的进步，人脸识别在各个领域得到越来越多的应用。但是，其中人脸特征点(眼，口，鼻等)的提取受外部因素影响大，比如人脸识别对象佩戴了眼镜，或剃了胡子，或用头发遮住眼睛，会导致人脸特征点提取误差大，准确率低，无法在实际中应用。

发明内容

针对上述问题，本发明提出了一种人脸特征模型的训练方法，应用于一人脸特征模型的训练装置中，所述人脸特征模型的训练装置包括一人脸特征模型库；

其中，包括提供一标准修饰图像库，所述标准修饰图像库包括第一预设数量的标准修饰图像；还包括：

步骤S1，提供待识别的人脸样本图像；

步骤S2，基于一预设策略将所述人脸样本图像分别与每个所述标准修饰图像相结合，形成相应的合成图像；

步骤S3，对每个所述合成图像进行预处理；

步骤S4，提取预处理后的所述合成图像中的人脸特征信息；

步骤S5，根据提取的所述人脸特征信息更新所述人脸特征模型库中的人脸特征模型。

上述的训练方法，其中，所述步骤S5中，基于卷积神经网络对所述人脸特征模型库中的所述人脸特征模型进行更新。

上述的训练方法，其中，所述步骤S5中，基于所述卷积神经网络对所述人脸特征模型库中的所述人脸特征模型进行更新的具体方法为：

采用限制波尔曼机从所述人脸特征信息的概率样本中抽取第二预设数量的所述概率样本，以训练所述卷积神经网络对所述人脸特征模型库中的所述人脸特征模型进行更新；

其中，未被抽取的所述概率样本的概率已知。

上述的训练方法，其中，所述步骤S2中，所述人脸样本图像与所述标准修饰图像通过在所述人脸样本图像的基础上叠加所述标准修饰图像的方式相结合，形成相应的所述合成图像。

上述的训练方法，其中，所述步骤S2中，所述预设策略为将所述人脸样本图像一次与一个所述标准修饰图像相结合，形成所述第一预设数量的所述合成图像。

上述的训练方法，其中，所述步骤S2中，所述预设策略还包括将所述人脸样本图像一次与多个所述标准修饰图像相结合。

上述的训练方法，其中，所述标准修饰图像为标准墨镜图像，标准胡须图像，标准发型图像，标准口罩图像，标准帽子图像，标准化妆图像以及标准人脸塑性变形图像中的一种或多种。

上述的训练方法，其中，所述步骤S1中，所述人脸样本图像存储于一人脸数据库中。

一种人脸特征模型的训练装置，包括一存储模块，所述存储模块存储有一人脸特征模型库；

其中，所述存储模块中还存储有一标准修饰图像库，所述标准修饰图像库包括第一预设数量的标准修饰图像；

所述训练装置还包括：

输入模块，用于输入待识别的人脸样本图像；

图像合成模块，分别与所述输入模块和所述存储模块连接，用于基于一预设策略将所述人脸样本图像分别与每个所述标准修饰图像相结合，形成相应的合成图像；

预处理模块，与所述图像合成模块连接，用于对每个所述合成图像进行预处理；

特征提取模块，与所述预处理模块连接，用于提取预处理后的所述合成图像中的人脸特征信息；

训练模块，分别与所述存储模块和所述特征提取模块连接，用于根据提取的所述人脸特征信息更新所述人脸特征模型库中的人脸特征模型。

上述的训练方法，其中，所述训练模块基于卷积神经网络对所述人脸特征模型库中的所述人脸特征模型进行更新。

有益效果：本发明提出的人脸特征模型的训练方法及装置，能够有效地避免人脸识别对象的修饰特征对人脸特征提取的影响，以保证人脸特征的准确提取，人脸识别的准确度高，可靠性高。

附图说明

图1为本发明一实施例中人脸特征模型的训练方法的步骤流程图；

图2为本发明一实施例中图像合成前的人脸样本图像的示意图；

图3为本发明一实施例中合成图像的示意图；