[发明专利]一种实时更新余弦夹角损失函数参数的人脸识别方法

权利要求书

1.一种实时更新余弦夹角损失函数参数的人脸识别方法，其特征在于，包括以下步骤：

（1）收集人脸图像，并将人脸图像按个体进行分类，并按照分类的结果对每个人脸图像进行数据标注；

（2）将步骤（1）收集的人脸图像进行水平翻转、去噪、亮度增强和对比度增强处理后，得到人脸图像数据集，将所述人脸图像数据集分批；

（3）初始化余弦夹角损失函数的余弦值放大尺度和余弦夹角间隔，根据初始化的余弦值放大尺度和余弦夹角间隔，得到余弦夹角损失函数；

（4）将第一批人脸图像数据集输入卷积神经网络中进行人脸类别训练，根据所述卷积神经网络中Softmax层的输出的人脸图像的特征向量，计算每个人脸图像的特征向量与目标类别的特征向量的夹角，并获得夹角的中位数，同时更新余弦值放大尺度；随后计算每个人脸图像的特征向量与目标类别的特征向量和非目标类别的特征向量的余弦夹角指数值之和，并获得余弦夹角指数值之和的中位数，更新余弦夹角间隔；将更新的余弦值放大尺度和余弦夹角间隔分别与初始化的余弦值放大尺度和余弦夹角间隔进行比较，选取其中较大者作为更新的结果；

（5）分批将人脸图像数据集输入卷积神经网络中进行人脸类别训练，重复步骤（4），更新余弦值放大尺度和余弦夹角间隔，直至所述余弦夹角损失函数收敛，完成对卷积神经网络的训练；

（6）将需要进行比对判断的人脸图像输入训练好的卷积神经网络中，经卷积神经网络中Softmax层输出人脸图像的特征向量，求出与目标图像经过本网络提取出的特征向量的余弦夹角，所述余弦夹角的相似度超过阈值时，输出人脸识别匹配正确的结果。

2.根据权利要求1所述实时更新余弦夹角损失函数参数的人脸识别方法，其特征在于，所述更新余弦值放大尺度的过程为：

其中，s为余弦值放大尺度，C为一批输入的人脸图像的类别数，为夹角的中位数。

3.根据权利要求1所述实时更新余弦夹角损失函数参数的人脸识别方法，其特征在于，所述更新余弦夹角间隔的过程为：

其中，m为余弦夹角间隔，为余弦夹角指数值之和的中位数。