[发明专利]一种轻量化人脸联合检测与识别方法及其系统在审

专利信息
申请号: 201811368162.5 申请日: 2018-11-16
公开(公告)号: CN109271974A 公开(公告)日: 2019-01-25
发明(设计)人: 郑慧诚;林浩文 申请(专利权)人: 中山大学
主分类号: G06K9/00 分类号: G06K9/00
代理公司: 广州粤高专利商标代理有限公司 44102 代理人: 林丽明
地址: 510260 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 特征图 轻量化 人脸 人脸特征向量 联合检测 检测 读取 人脸候选区域 人脸特征提取 摄像头 候选区域 候选网络 人脸识别 特征提取 图像输入 网络共享 网络实现 网络提取 训练过程 计算量 相似度 共享 应用 网络 学习
【说明书】:

发明公开了一种轻量化人脸联合检测与识别方法及其系统,应用于人脸识别领域。其具体思路为:首先从摄像头读取的一张RGB图像,把该图像输入到特征提取网络中,生成检测与识别网络共享的特征图;特征图首先用于输入到区域候选网络得到人脸候选区域及这些区域在RGB图像中的位置信息,这些候选区域与特征图经过处理后再经过人脸特征提取网络提取到人脸特征向量。通过对比人脸特征向量之间的距离,可以得到人脸之间的相似度。本发明能够共享特征图计算结果,减少计算量;并且由于检测与识别用同一个网络实现,训练过程中检测能向有利于识别的方向学习,有利于提高识别质量,同时实现轻量化的目的。

技术领域

本发明涉及人脸识别领域,更具体地,涉及一种轻量化人脸联合检测与识别方法及其系统。

背景技术

现有的人脸检测与识别方案主要分为两个部分,第一部分是基于输入的原始图像做人脸检测,通过计算机视觉算法检测出人脸位置并裁剪出来;第二部分是对基于裁剪出来的人脸图像做特征提取,并对比不同人脸图像的特征距离或者相似度,从而完成最后的人脸识别任务。然而现有的技术存在着三个问题没能有效地解决,首先是整个系统基于两套模型,两套模型不能共享,计算资源要求比较大;其次识别过程的输入依赖检测的输出,识别过程没法直接与现实场景图像对接,必须要有检测过程作为连接,并且识别质量受限于检测算法的质量;再一个就是检测与识别过程关联不大,没有相互适应。

发明内容

本发明为克服上述现有技术所述的裁剪人脸位置过程和对人脸图像做特征提取及识别的过程分开处理的缺陷,提供一种轻量化人脸联合检测与识别系统及其方法。

本发明旨在至少在一定程度上解决上述技术问题。

本发明的首要目的是提供一种轻量化人脸联合检测与识别方法及其系统将人脸的裁剪以及特征提取识别合并在一个系统中进行处理。

本发明的首要次要目的是提高识别质量并减少计算量。

为解决上述技术问题,本发明的技术方案如下:一种基于轻量化人脸联合检测与识别的方法包括以下步骤:

S1:将训练图像进行初始化并输入到人脸联合检测与识别网络中;

S2:将训练图像输入到人脸联合检测与识别网络中并对其中的主干网络模块、区域候选模块RPN以及人脸特征提取模块进行训练;

S3:将待测图像输入到训练好的人脸联合检测与识别网络中实现人脸的识别。

优选地,步骤S2中对人脸联合检测与识别网络中的主干网络模块、区域候选模块RPN以及人脸特征提取模块进行训练的具体步骤为:

S21:将训练图像输入到主干网络模块中得到特征图;

S22:将特征图输入到区域候选模块,得到生成的锚点信息;

S23:将区域候选模块训练时得到的锚点信息及主干网络模块生成的特征图一起经过池化后作为人脸特征提取网络的输入;

S24:重复迭代S21至S23直到主干网络模块、区域候选网络模块和人脸特征提取网络中的参数收敛即终止。

优选地,对人脸联合检测与识别网络进行训练的训练方法为梯度下降法。

优选地,步骤S3将待测图像输入到训练好的人脸联合检测与识别网络中实现人脸的识别的具体步骤为:

S31:将待测RGB图像输入到主干网络模块,提取出特征图;

S32:将提取的特征图输入到区域候选网络得到得到若干锚点信息,即人脸位置信息;

S33:将每个锚点信息与特征图经过ROI Pooling池化后输入到人脸特征提取模块;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中山大学,未经中山大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811368162.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top