买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江苏科技大学

摘要：本发明公开了一种人脸识别方法，包括以下步骤：先用改进的深度神经网络对输入的人脸图像进行预处理，包括人脸检测与裁剪，然后构建引入双重注意力机制的神经网络，并用数据集训练整个网络来消除现实各种遮挡的影响，最后将测试数据集通过训练好的系统中进行人脸识别。本发明采用softmaxloss和triplet‑centerloss相结合作为损失函数来提高训练模型的精度及速度，进而提高整个系统的识别率；在改进后的facenet网络框架中引入注意力机制，使系统在解决参数过多，训练困难以及过拟合问题的同时，也能拥有较好的鲁棒性以及更高的识别率。

主权项：1.一种人脸识别方法，其特征在于，包括以下步骤：1输入人脸图像，通过深度神经网络对图像进行裁剪和对齐；所述的深度神经网络为facenet网络框架中带有的MTCNN工程；2对所述图像进行特征提取：将图像通过深度卷积神经网络映射到128维的特征空间中，得到对应的128维特征向量；所述的深度卷积神经网络为inception-resnet-v2；3引入注意力模块来增强特征向量：将上一步得到的128维特征向量通过注意力机制模块，得到自适应权重不同的特征向量，然后通过特征归一化来加快收敛速度；所述的注意力模块具体为：在reduction-A和reduction-B模块后面引入一个位置注意力模块；在inception-Resnet-C模块后引入一个坐标注意力模块；4训练注意力神经网络模型：将提前准备好的训练集数据输入到深度神经网络内，然后运行MTCNN算法来检测人脸并将图像的尺寸裁剪为160×160，然后经过神经网络进行特征提取，并通过位置注意力模块以及坐标注意力模块来进行特征增强，之后通过L2正则范数进行归一化，之后通过损失函数计算损失，校正参数，最后输出训练集模型；所述的损失函数定义了一种将softmaxloss与triplet-centerloss相结合的损失函数L，其计算公式为： 其中，Ls为softmaxloss，Ltc为triplet-centerloss，用来平衡两个损失，xi是第i个测试样本，yi是第i个测试样本的真实类别标签，cyi是yi类的样本中心，m为样本个数，k为分类个数，fxi表示测试样本xi网络特征embeddingoutput；5人脸识别验证：输入待识别图片，经过预处理步骤后，通过训练后的模型，计算图片间的欧氏距离，完成对样本的识别。

全文数据：

权利要求：

百度查询： 江苏科技大学 一种人脸识别方法