[发明专利]基于多任务卷积神经网络的网纹人脸图像识别方法及装置

摘要

本发明公开了一种基于多任务卷积神经网络的网纹人脸图像识别方法及装置。该方法包括：收集网纹人脸图像和对应的清晰人脸图像对，然后利用多任务卷积神经网络，分别设计基于回归和分类的目标函数，训练一个人脸去网纹模型，最后将网纹人脸图像输入到训练好的去网纹模型中，得到去网纹的人脸图像，从而进行后续的人脸识别任务。本发明采用了多任务学习的框架，将由网纹图像恢复清晰图像的任务表达成两个互为辅助的目标函数，并利用卷积神经网络学习其中涉及到的复杂非线性变换。发明所采用的方法不仅有效提高了模型训练时的收敛速度，并能明显提升图像恢复的效果以及泛化能力，大幅度提高了网纹人脸图像的识别准确率。

主权项

1.一种基于多任务卷积神经网络的网纹人脸图像识别方法，其特征在于，具体按照以下步骤实施：步骤S1、收集网纹人脸图像和对应的清晰人脸图像对作为样本图像对，形成训练数据集，针对每个样本图像对通过阈值法得到指示网纹位置的标签图；步骤S2、训练得到从网纹人脸图像恢复出不带网纹的清晰人脸图像的卷积神经网络模型，包括：利用所述训练数据集中的样本图像对，训练一个多任务卷积神经网络，训练过程中，该多任务卷积神经网络前半部分的多个卷积层对输入的网纹人脸图像进行处理，后半部分分为两个任务，分别利用多任务卷积神经网络前半部分处理后的数据对由后半部分的两个任务分别构成的损失目标函数进行训练；其中所述两个任务中的主要任务用于回归清晰人脸图像和网纹人脸图像的差值，得到残差图像；辅助任务用于预测网纹人脸图像的网纹位置，得到预测的网纹图像；最终训练好的卷积神经网络模型的最终输出为所述残差图像和网纹位置的相加，即不带网纹的清晰人脸图像；步骤S3、使用训练好的卷积神经网络模型，恢复出待识别的清晰人脸图像，并使用待识别的清晰人脸图像进行人脸识别。