[发明专利]一种基于烟花算法改进卷积神经网络的脸部识别方法

说明书

本发明公开了一种基于烟花算法改进卷积神经网络的脸部识别方法，包括以下步骤：建立人脸数据库，设置人脸属性标签，构建人脸标签数据集，其中，人脸标签数据集，包括训练集、验证集、测试集；基于烟花算法，构建初始卷积神经网络模型；基于所述训练集、验证集，对初始卷积神经网络模型，进行训练，得到目标卷积神经网络模型，通过测试集对目标卷积神经网络进行测试，得到卷积神经网络模型；基于人脸标签数据集，通过卷积神经网络模型，获得人脸标签数据集的人脸属性特征和人脸全局特征，基于人脸属性特征和人脸全局特征，对目标人脸图像进行识别，本发明所述方法简单高效，只需要采集人脸图片，即可实现人脸识别，识别准确。

技术领域

本发明属于计算机视觉技术与人脸识别技术领域，特别是涉及一种基于烟花算法改进卷积神经网络的脸部识别方法。

背景技术

当今科技飞速发展，我们已经全面进入了信息化时代，而人脸识别技术正是科技发展带来的产物，现在已经在很多场景下使用，例如，火车进站，宿舍楼宇进出的闸机，银行安全检查，网络寻人等。在我国，人脸识别技术虽然起步较晚，但在我国大力支持下发展的十分迅速。许多高校在计算机视觉，模式识别，人工智能及深度学习方面大力开展科研培养新型人才，并且取得很好的成绩。信息化时代，许多人担心信息安全的问题，事实上许多早期普遍使用的身份验证方法随着时代演变已不具有完整的安全性，因为这类信息极易被伪造。目前能够实际应用任意背景的通用型人脸识别系统还没有出现。如何在人脸识别系统的使用过程中，进一步提高人脸识别的效果，是本专利要解决的技术问题。

发明内容

为了解决上述问题，本发明基于烟花算法优化卷积神经网络模型先提取输入人脸的基础特征，然后将人脸识别子模型所包含的全局信息与身份信息融入属性分类子模型中来帮助提升属性分类的效果，并且引入一个对抗网络来进一步提升人脸识别的精确度。

本发明提供一种基于烟花算法改进卷积神经网络的脸部识别方法，如图1-3所示，包括以下步骤：

S1.建立人脸数据库，基于所述人脸数据库，设置人脸属性标签，构建人脸标签数据集，其中，所述人脸标签数据集，包括训练集、验证集、测试集；

S2.基于烟花算法，构建初始卷积神经网络模型，其中，所述卷积神经网络模型，包括，损失函数、激活函数、分类器；

S3.基于所述训练集、验证集，对所述初始卷积神经网络模型，进行训练，得到目标卷积神经网络模型，通过所述测试集对所述目标卷积神经网络进行测试，得到卷积神经网络模型；

S4.基于所述人脸标签数据集，通过所述卷积神经网络模型，获得所述人脸标签数据集的人脸属性特征和人脸全局特征，基于所述人脸属性特征和人脸全局特征，对目标人脸图像进行识别，其中，所述目标人脸图像，为录入到所述人脸数据库的人脸图像。

优选地，所述训练集、验证集、测试集的比例为2:2:1。

优选地，所述卷积神经网络模型的迭代次数为1000次。

优选地，所述S2包括以下步骤：

S2.1.设置初始种群、最小迭代次数、最大迭代次数、烟花爆炸半径、火花个数、火花第一边界、火花第二边界；

S2.2.基于所述烟花算法，通过所述初始种群，获得火花解码，基于所述火花解码的个数，获得火花维度，基于所述火花解码和火花维度，构建火花向前传播模型；

S2.3.基于所述火花向前传播模型，构建误差偏量模型，通过所述误差偏量模型，基于所述最小迭代次数、最大迭代次数，判断是否更新火花位置，如果否，停止算法，如果是，执行S2.4；

S2.4.基于火花位置向量、火花位置适应度，通过设置固定常数，依据所述烟花爆炸半径、火花第一边界、火花第二边界，构建火花位置模型和火花数量模型，其中，通过所述火花数量模型，计算所述火花个数；