[发明专利]基于人脸感兴趣区域分割的人脸识别方法

权利要求书

1.一种基于人脸感兴趣区域分割的人脸识别方法，其特征在于，包括以下步骤：

步骤S1，通过作为人脸检测和人脸关键点检测的人脸数据库训练基于Centernet算法的人脸检测器和人脸关键点检测器；

步骤S2，利用训练好的人脸检测器和人脸关键点检测器获取待处理图像的人脸边界框和人脸关键点；

步骤S3，根据人脸关键点的外部轮廓坐标利用B样条曲线拟合得到人脸的感兴趣区域；

步骤S5，以标准平均正脸的人脸关键点为基点，将预测出的所有人脸关键点与基点做做仿射变换，得到对齐后的人脸，然后将人脸感兴趣区域尺度归一化，并居中裁剪；

步骤S6，对于训练集按照上述步骤S2～S5批处理人脸图像数据，得到人脸识别训练集；

步骤S7，通过批处理后的人脸识别训练集，构建并训练人脸识别网络，训练得到人脸识别模型；

步骤S1具体包括：

人脸检测器和人脸关键点检测器采用同一个DLA全卷积编解码网络；

对于训练人脸检测器，以人脸数据库中人脸边界框坐标的中心点作为人脸检测器的输入，把图像I∈R^W×H×3传入DLA全卷积编解码网络，采用DLA全卷积编解码网络来预测人脸在图像I中的热力图R为输出步长，C是目标检测中对应人脸检测点的类的数量，表示当前类别c在热力图的(x,y)坐标中检测到了人脸；在下采样的图像中将真实的点坐标以的形式通过高斯核分散到热力图上，并将热力图上所有响应点与其连接的8个临近点进行比较，如果该响应点响应值大于或等于其八个临近点值则保留，最后采用3x3的最大池化层保留所有满足之前要求的前num个峰值点，则人脸边界框的坐标为其中，是当前预测的点对应原始图像的偏移量，为当前预测的点对应的人脸边界框的长和宽，设定阈值对预测的人脸边界框的置信度进行筛选，得到预测的人脸边界框；

对于训练人脸关键点检测器，以人脸数据库中人脸关键点坐标作为人脸关键点检测器的输入，把图像I∈R^W×H×3传入DLA全卷积编解码网络，采用DLA全卷积编解码网络来预测人脸关键点在图像I中的热力图R为输出步长，C是目标检测中对应人脸关键点的类的数量，在下采样的图像中将真实的点坐标以的形式通过高斯核分散到热力图上，并将热力图上所有响应点与其连接的8个临近点进行比较，如果该响应点响应值大于或等于其八个临近点值则保留，最后采用3x3的最大池化层保留所有满足之前要求的对应每个类的最大峰值点。

2.如权利要求1所述的基于人脸感兴趣区域分割的人脸识别方法，其特征在于，在步骤S3与S5之间，还包括：步骤S4，计算人脸感兴趣区域的平均像素值，对人脸感兴趣区域的周遭区域填充平均像素值；

步骤S5中，裁剪时包括人脸感兴趣区域的周遭区域。

3.如权利要求1所述的基于人脸感兴趣区域分割的人脸识别方法，其特征在于，

num取50～200。

4.如权利要求1或2所述的基于人脸感兴趣区域分割的人脸识别方法，其特征在于，

步骤S7中，在人脸识别训练集上按照个体ID进行整理，即同一个人的多张人脸照片归属同一个类别ID；以mobilefacenet网络结构提取图片特征，使用arcface loss损失函数训练人脸识别模型。

5.如权利要求1或2所述的基于人脸感兴趣区域分割的人脸识别方法，其特征在于，步骤S6中，还包括：

对于测试集按照上述步骤S2～S5批处理人脸图像数据，得到人脸识别测试集；

步骤S7之后，还包括：

步骤S8，将批处理后的人脸识别测试集数据进行同个体ID和不同个体ID之间的配对，将配对的图片载入人脸识别模型得到相似度，根据10折交叉验证得到平均后的识别精度。