[发明专利]一种基于深度学习的快速人脸检索方法

摘要

本发明公开了一种基于深度学习的快速人脸检索方法，属于计算机视觉目标识别应用领域。本发明主要利用深度神经网络和提取人脸二值特征，结合局部敏感哈希(Locality Sensitive Hashing,LSH)最近邻检索算法，提出了一种快速高效的人脸检索算法。首先通过大量标定人脸数据训练深度神经网络，然后将数据库中的所有图片代入神经网络进行计算，得到对应的二值特征库，然后设计哈希函数，构造哈希结构。对于待检索的图片，同样代入神经网络进行计算，得到二值特征后，通过LSH算法完成检索。通过大量的数据库测试发现，该方法检索准确率高，速度快，并在工程环境应用时有很好的鲁棒性。

主权项

1.一种基于深度学习的快速人脸检索方法，其特征在于，包括如下步骤：步骤1：设计卷积神经网络结构和损失函数；卷积神经网络以Inception‑ResNet‑v2为主要结构，以Sigmoid函数为激活函数，损失函数包括交叉熵损失函数、中心距离损失层损失函数和类间损失层损失函数；(1)交叉熵损失函数：交叉熵损失函数表达式如下：其中a为网络实际的输出，y为期望值；(2)中心距离损失层损失函数：中心距离损失函数的表达式如下：其中表示数据块中第y_i个个体所有样本的特征中心值，x_i表示该个体的某一样本的特征值；(3)类间损失层损失函数：类间损失函数表达式如下：其中，α为自定义常量，xni代表第i个个体的第n张图片，xmj同理；步骤2：通过损失函数训练卷积神经网络；步骤3：对于检索数据库的所有图片，通过训练好的卷积神经网络计算人脸二值特征；步骤4：根据二值特征设计哈希函数，构造哈希结构；步骤5：对于待检索的图片，代入卷积神经网络中得到二值特征，通过LSH算法在检索数据中进行检索；步骤6：根据步骤5中的检索结果，找到正确匹配的人脸图片，完成检索。