[发明专利]基于多神经网络的高适应性人脸识别系统及其方法

说明书

本发明提供了一种基于多神经网络的高适应性人脸识别系统及其方法，其中系统包括多个轻量化网络及相似度计算模块和结果输出模块，各轻量化网络分别经过不同训练集训练而得，所述的相似度计算模块用于分别计算各轻量化网络对待识别图像识别得到的识别特征相对于相应参考特征的相似度得分，所述的结果输出模块用于根据相似度计算结果输出识别结果。本方案采用离线识别方式，相对于在线方式具有结构及部署简单，成本低，安全性高等优点。

技术领域

本发明属于人脸识别技术领域，尤其是涉及一种基于多神经网络的高适应性人脸识别系统及其方法。

背景技术

人脸识别是生物特征识别领域中最常用的一种方式，随着神经网络技术的快速发展，人脸识别的准确度也已提升至肉眼甚至超越肉眼的级别，近年来在公共安全，智能门禁等领域得到了广泛的应用。

目前，人脸识别系统主要有离线和在线两种方式。在线方式中人脸数据会传到后台服务器进行运算识别，由于后台服务器性能强大，可以使用复杂的高性能网络进行识别，能够保证识别准确度。但是在线方式需要向服务器上传人脸图像，相对于离线方式，存在安全性低的缺点，在一些高安全级别要求的场合，由于其安全性问题而无法被适用。而且在线方式需要服务器的参与，需要花费更高的成本进行复杂的部署。

离线方式无需上传人脸图像，具有较高的安全性，而且离线方式无需联网，具有部署更加方便，成本更低廉的优点。但是离线方式的人脸数据在本地运算识别，依赖于本地处理器，由于受本地处理器体积、功耗等限制，只能使用运算量低的网络做识别，而运算量低的网络，实际测试中，有适应性大幅度降低的问题，如对于不同的测试图像集Test1，Test2，Test3，……，总是有部分测试图像集测试结果不佳，不能做到每个测试图像集结果都满意的效果，降低了人脸识别的准确性，限制了人脸识别的更广泛的应用。

发明内容

本发明的目的是针对上述问题，提供一种基于多神经网络的高适应性人脸识别方法；

本发明的另一目的是针对上述问题，提供一种基于多神经网络的高适应性人脸识别系统。

为达到上述目的，本发明采用了下列技术方案：

一种基于多神经网络的高适应性人脸识别系统，包括多个轻量化网络及相似度计算模块和结果输出模块，各轻量化网络分别经过不同训练集训练而得，所述的相似度计算模块用于分别计算各轻量化网络对待识别图像识别得到的识别特征相对于相应参考特征的相似度得分，所述的结果输出模块用于根据相似度计算结果输出识别结果。

在上述的基于多神经网络的高适应性人脸识别系统中，相应参考特征为相应轻量化网络对参考图像识别获得；

且所述的相似度计算模块通过以下方式得到识别特征相对于参考特征的相似度得分：

Si＝E-dissi (2)

其中，Si表示第i个识别特征相对于第i个参考特征的相似度得分，第i个识别特征由第i个轻量化网络对待识别图像识别得到，第i个参考特征由第i个轻量化网络对参考图像识别得到；

E为常数；

dissi表示第i个识别特征与第i个参考特征之间的欧式距离；

FAi表示第i个识别特征；

FBi表示第i个参考特征；

m表示一个识别特征/参考特征是一个m维向量，[0]…[m-1] 分别表示识别特征/参考特征的第0维至第m-1维的向量。

在上述的基于多神经网络的高适应性人脸识别系统中，所述的结果输出模块通过以下方式输出识别结果：