[发明专利]基于双向长短期记忆网络的人脸属性识别方法及系统

说明书

本发明公开了一种基于双向长短期记忆网络的人脸属性识别方法及系统，该人脸属性识别方法包括：获取人脸图像数据集；将获取的人脸图像数据集进行图像预处理后，生成人脸图像训练集；构建基于双向长短期记忆网络的深度神经网络，将人脸图像训练集作为输入对所述深度神经网络进行训练，得到深度神经网络模型；将待识别的测试图像输入至训练好的深度神经网络模型进行人脸属性识别。本发明通过改进卷积神经网络，并增加双向长短期记忆网络构建深度神经网络，利用长短期记忆网络对于序列相关性的建模能力，学习不同任务得到的人脸属性特征之间的相关性和特异性，从而提高人脸属性识别的准确度。

技术领域

本发明涉及人脸属性识别和深度学习领域，特别涉及于一种基于双向长短期记忆网络的人脸属性识别方法及系统。

背景技术

在日常生活中，人脸的属性是我们描述一个人外貌特征的重要信息，人脸属性反应了一个人的性别、年龄、外貌特征等，可以作为一个人身份检索的重要标识。传统的人脸属性识别方法是针对每一个单独的人脸属性任务设计一个网络，现有的主流的人脸属性识别方法是依据分组的思想，人为的选取相关性较强的属性特征利用卷积神经网络权值共享的思路来实现属性之间相关性的学习。但是上述两种方案都需要极大的人工参与，且人脸属性特征之间的相关性和特异性容易被忽略，导致预测的多个结果中存在逻辑不合理的问题，从而造成判别效果不佳。

发明内容

本发明的目的在于：针对现有的人脸属性识别需要极大的人工参与，且人脸属性之间的相关性和特异性容易被忽略，导致预测的多个结果中存在逻辑不合理的问题，提供一种基于双向长短期记忆网络的人脸属性识别方法及系统，降低人工工作量，使得人脸属性识别更加智能化，同时利用长短期记忆网络对于序列相关性的建模能力，学习不同任务得到的人脸属性特征之间的相关性和特异性，从而提高人脸属性识别的准确度。

本发明采用的技术方案如下：

一种基于双向长短期记忆网络的人脸属性识别方法，包括：

S1、获取人脸图像数据集；

S2、将获取的人脸图像数据集进行图像预处理后，生成人脸图像训练集；

S3、构建基于双向长短期记忆网络的深度神经网络，将人脸图像训练集作为输入对所述深度神经网络进行训练，得到深度神经网络模型；

S4、将待识别的测试图像输入至训练好的深度神经网络模型进行人脸属性识别。

进一步地，步骤S3中构建基于双向长短期记忆网络的深度神经网络，具体包括：

(1)构建前段卷积神经网络；

(2)构建后段双向长短期记忆网络；

(3)前段卷积神经网络分别与后段双向长短期记忆网络连接，然后再在双向长短期记忆网络后依次连接一个全连接层和reshape层，从而构成基于双向长短期记忆网络的深度神经网络。

进一步地，所述后段双向长短期记忆网络，包括：

正向长短期记忆网络，用于对前段卷积神经网络得到的人脸属性特征进行从前向后的方向进行扫描，从而得到正向序列；

反向长短期记忆网络，用于对前段卷积神经网络得到的人脸属性特征进行从后向前的方向进行扫描，从而得到反向序列。

进一步地，所述后段双向长短期记忆网络的损失函数为其中a_j代表第j个任务所对应的损失，l_avg代表所有任务的平均损失，l_max和l_min代表所有任务中损失的最大项和最小项。

进一步地，步骤S4中进行人脸属性识别的具体步骤包括：

(1)将经过步骤S2的图像预处理后的测试图像，输入前段卷积神经网络，提取人脸属性特征；