[发明专利]一种人脸轻量网络模型构建方法和人脸识别方法

说明书

本发明公开了一种基于嵌入空间蒸馏的人脸识别轻量级网络模型构建方法和人脸识别方法，包括：A、获取指定数量的标记有人脸身份类别信息的人脸数字图像作为训练数据集；B、基于softmax损失函数，利用所述的训练数据集对一个重量的人脸识别卷积神经网络进行训练，获取训练后的模型；C、基于嵌入空间蒸馏损失函数，利用B阶段所获取的训练模型和训练数据集对轻量级的人脸识别卷积神经网络进行训练，获取训练后的轻量级人脸识别模型。本发明可以充分利用重量模型训练获取的先验知识，有效提升轻量级人脸识别模型的准确度，以适应计算资源有限的嵌入式平台的人脸识别任务。

技术领域

本发明涉及计算机视觉、人脸识别、模式识别、机器学习、深度 学习等技术领域，特别涉及一种人脸轻量网络模型的构建方法和人脸 识别方法。

背景技术

人脸识别技术(Face Recognition)的发展从20世纪70年代开 始兴起，是计算机视觉领域(Computer Vision)迄今为止最热门的 研究问题之一。作为一种最易普及的生物特征识别技术，人脸识别的 应用场景众多，其最传统的场景莫过于安防、门禁、监控领域。无论 是在安检进出关的闸口，还是银行保险柜的安全门锁，都出现了人脸 识别的身影。相较于传统的密码、证件、门卡等安全手段，人脸识别 因为是一个天然的贴在脸上的“身份证”，具有极难伪造的属性。基 于面部识别的技术在军事和民用领域得到了广泛应用。此外，运用“交 互式指令+连续性判定+3D判定”的技术，人脸识别技术还被广泛应 用于线上、线下刷脸支付系统。随着人脸识别技术的广泛应用，移动 端和嵌入式设备的算法需求越来越多，当前人脸识别算法主要基于卷 积神经网络(Convolutional Neural Networks,简称CNN)模型。而 CNN模型普遍模型比较大，同时在计算能力较弱的手机移动端和嵌入 式平台上，推理速度慢。

基于上述问题，目前亟需一种轻量级的人脸卷积神经网络的构建 方法，以实现满足移动端和嵌入式设备等低算力情况下快速推理满足 实时计算要求，又可以精准有效的识别出人脸信息。

发明内容

本发明所要解决的技术问题之一在于提供一种基于嵌入空间蒸 馏的人脸轻量网络模型构建方法，使用该方法训练轻量级人脸卷积神 经网络模型，可以既在移动端和嵌入式设备等低算力情况下快速推理 满足实时计算要求，又可以保证人脸卷积网络模型的精度，精确有效 的识别出人脸信息。

本发明所要解决的技术问题之二在于提供一种人脸识别方法，可 以既在移动端和嵌入式设备等低算力情况下快速推理满足实时计算 要求，又可以保证人脸卷积网络模型的精度，精确有效的识别出人脸 信息。

本发明是这样实现的：

一种人脸轻量网络模型构建方法，包括如下步骤：

步骤A、获取指定数量的标记有人脸身份类别信息的人脸数字 图像作为训练数据集；

步骤B、基于softmax损失函数，利用所述训练数据集对一个重 量的人脸识别卷积神经网络T进行训练，获取训练后的模型；

步骤C、基于嵌入空间蒸馏损失函数，利用步骤B阶段所获取的 训练模型和训练数据集对轻量级的人脸识别卷积神经网络S进行训练， 获取训练后的轻量级人脸识别模型。

进一步地，所述步骤B，具体包括：

步骤B1、利用所述训练数据集训练后，获取一个人脸识别卷积 网络T；

步骤B2、定义z^T为所述人脸识别卷积网络T最后一个全连接层的 输出；定义p^T为所述人脸识别卷积网络T经过softmax获取的输出概 率，则