[发明专利]一种用于嵌入式物联网平台的口罩人脸识别方法

说明书

本发明公开了一种用于嵌入式物联网平台的口罩人脸识别方法，包括：对人脸样本图片进行采集并预处理；对预处理后的人脸图片进行口罩图像拼接，获取口罩人脸数据集；使用边界平衡对抗生成式网络和上下文编码器结构对口罩遮挡后的人脸与遮挡前的人脸进行特征提取并训练；通过MobileFaceNet算法对人脸图像进行人脸识别训练；使用生成的模型对口罩遮挡人脸进行修复，并通过MobileFaceNet算法训练的模型进行人脸识别；搭建嵌入式物联网环境，将训练模型放置云端，减少嵌入式端的计算量，提高精度和效率。该方法可以有效的对人脸口罩遮挡进行修复，同时用于嵌入式环境下，解决当下社区环境中进入人员的口罩人脸识别问题。

技术领域

本发明属于计算机视觉人脸识别技术领域，具体涉及一种用于嵌入式物联网平台的口罩人脸识别方法。

背景技术

近些年来，人工智能领域取得了高速的发展，极大影响了人们的生活方式，同时在越来越多的自动化方向得到应用，使社会的信息化程度越来越高。其中，计算机视觉方向在人工智能领域中占有相当重要的位置。而人脸识别作为计算机视觉中较为关键的研究任务之一，其使用场景和意义都需要进行深入研究。目前常用的野外人脸识别标准数据集LFW中，基于深度学习神经网络方法的识别精度已经达到了99.8％以上。在第一个百万规模的MegaFace数据集中，人脸识别精度也达到98％以上，几乎已经接近精度饱和。因此近几年，人脸识别逐渐取代传统的虹膜、指纹和掌纹识别，在安防、金融、自助服务、医疗等领域得到了广泛的应用。

但在实际的生活场景中，采集的人脸图像往往会受到一些实物遮挡，例如人们会通过口罩、眼镜、围巾、帽子等装饰物品来对自身真实身份信息进行掩饰。这种行为直接造成了人脸识别的特征丢失，使得原先的人脸识别算法模型在关键特征缺失的情况进行识别时，会出现误识或出错的情况。因此，在标准人脸识别精度几乎达到饱和的情形下，无约束的人脸识别将成为一个待解决的问题，其主要考虑人脸的遮挡、姿态、表情变化影响。为实现无约束的人脸识别，针对人脸的遮挡问题就不可避免的需要进行深入研究。

为了保证人民的安全，截断病毒传播链，国家提倡大家外出佩戴好口罩。这使得原有的人脸识别体系受到一定程度的冲击，而遮挡下的人脸识别研究得到一定关注和市场需求，以便用于各式各样的应用场景。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提出一种可以运用在实际中不需要进出人员摘下口罩即可识别、效率高的用于嵌入式物联网平台的口罩人脸识别方法。

为实现上述目的，本发明所提供的技术方案为：一种用于嵌入式物联网平台的口罩人脸识别方法，包括以下步骤：

步骤S1：采集人脸数据集图像并进行预处理；

步骤S2：对采集人脸数据集图像进行口罩图像拼接操作；

步骤S3：以边界平衡对抗生成式网络BEGAN为架构，构建生成器和判别器进行训练模型；生成器和判别器均是以卷积神经网络和上下文编码器为核心，搭建卷积层、池化层、BatchNorm三层，用于对图像特征的提取；

步骤S4：使用步骤S1中采集的人脸数据样本，通过MobileFaceNet卷积神经网络架构进行人脸识别训练生成模型，训练好的模型用于对步骤S3的模型进行人脸图像修复后的识别操作；

步骤S5：搭建一个嵌入式物联网平台，将步骤S3中的模型应用于云端，步骤S4 中训练好的模型用于嵌入式端，再搭建云端和嵌入式之间的网络通信来实现口罩遮挡下的人脸识别系统。

进一步的，步骤S1包含以下步骤：

步骤S11：通过对已有的开源数据集收集和网络爬虫数据的抓取，完成人脸数据集的采集；

步骤S12：对搜集好的数据集进行图像预处理，筛选掉模糊的人脸图像，通过算法进行人脸对齐操作，获得标准人脸图像。

进一步的，步骤S2包含以下步骤：