[发明专利]基于卷积神经网络的人脸性别识别方法及系统

说明书

本申请涉及一种基于卷积神经网络的人脸性别识别方法及系统，该方法包括：获取包含人脸图像的待识别对象；对所述待识别对象进行归一化处理，去除所述待识别对象冗余数据且使所述待识别对象的方向、大小、光照强度统一；使用训练完成的卷积神经网络模型对所述人脸图像进行性别识别。本申请包括对所述待识别对象进行归一化处理，将待识别对象去除冗余数据后输入卷积神经网络，从而缩小卷积神经网络计算数据量，减少冗余数据，提高性别识别正确性。

技术领域

本申请涉及人脸性别识别技术领域，尤其是一种基于卷积神经网络的人脸性别识别方法及系统。

背景技术

随着科技与人工智能的快速发展，人脸识别技术已广泛应用，而对人脸进行性别识别具有很大的实践意义与应用空间，人脸性别识别的应用场合主要包括：

(1)图片及视频性别检索。例如将图片按性别分类，生成个性化服务，为用户提供便利。

(2)公共场所的门禁系统。例如试衣间，卫生间等涉及到性别私密性强的场所，可以性别识别防止侵犯隐私等问题。

(3)刑事侦查。例如公安局利用全国的天网系统识别人群的面部特征与性别，缩小搜索范围。

相关技术中，使用深度学习模型进行人脸性别识别，将图像作为输入，经过大量数据训练模型进行特征提出以输出识别结果，但在实际应用中，由于在识别时获取的数据量庞大，数据中可能存在噪声，影响识别结果，从而降低了人脸性别识别的准确率。

发明内容

为至少在一定程度上克服在深度学习模型进行人脸性别识别时获取的数据量庞大，数据中可能存在噪声，影响识别结果的问题，本申请提供一种基于卷积神经网络的人脸性别识别方法及系统。

第一方面，本申请提供一种基于卷积神经网络的人脸性别识别方法，包括：

获取包含人脸图像的待识别对象；

对所述待识别对象进行归一化处理，去除所述待识别对象冗余数据得到方向、大小和光照强度统一的人脸图像；

使用训练完成的卷积神经网络模型对所述人脸图像进行性别识别。

进一步的，所述对所述待识别对象进行归一化处理，包括：

按预设方向标准调整所述待识别对象的方向，使每个待识别对象的人脸朝向一致；

按预设尺寸标准调整所述待识别对象的大小，使每个待识别对象的大小一致；

按预设光照强度标准调整所述待识别对象的光照强度，使每个待识别对象的光照强度一致。

进一步的，所述方法还包括：

获取所述待识别对象样本数据，所述待识别对象样本数据包括人脸图像和文本信息；

对所述待识别对象样本数据进行性别分类；

为所述待识别对象建立标签，以生成训练数据；

将所述训练数据输入卷积神经网络进行训练，以生成训练完成的卷积神经网络模型。

进一步的，所述对所述待识别对象样本数据进行性别分类，包括：

建立性别存储库；

对所述待识别对象样本数据进行排序；

读取所述人脸样本数据的文本信息；

将所述待识别对象样本数据按照所述文本信息划入性别存储库。

进一步的，所述卷积神经网络模型，包括：

三层卷积层，每层卷积层后连接激活函数；

每个激活函数连接最大池化层；