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！

摘要：本发明公开了一种基于特征加权融合的轻量级人脸识别方法及系统，其是基于改进的MobileFaceNet实现自然场景下的实时人脸识别，改进的MobileFaceNet被称为SEMobileFaceNet；SEMobileFaceNet是对原来MobileFaceNet的BottleBlock模块及边缘损失Arcface进行改进，其中，对BottleBlock模块的改进是：加入SE，使用通道注意力对不同通道的特征进行加权融合，提高对关键特征的利用；对边缘损失Arcface的改进是：将角度裕值转变为动态调整，根据梯度值的大小忽略或裁剪部分梯度。本发明可有效地应对复杂环境中的人脸识别，提高自然场景人脸识别的准确度。

主权项：1.基于特征加权融合的轻量级人脸识别方法，其特征在于，该方法是基于改进的MobileFaceNet实现自然场景下的实时人脸识别，改进的MobileFaceNet被称为SEMobileFaceNet；SEMobileFaceNet是对原来MobileFaceNet的BottleBlock模块及边缘损失Arcface进行改进，其中，对BottleBlock模块的改进是：加入SE，使用通道注意力对不同通道的特征进行加权融合，提高对关键特征的利用；对边缘损失Arcface的改进是：将角度裕值转变为动态调整，根据梯度值的大小忽略或裁剪部分梯度；该轻量级人脸识别方法的具体实施包括以下步骤：1收集人脸数据，并对人脸数据进行预处理，包括数据清洗和数据增强；其中，人脸数据包括人脸图像数据与作为标签的人脸ID数据；2将人脸图像数据输入到SEMobileFaceNet中，对SEMobileFaceNet进行训练，得到训练好的SEMobileFaceNet；其中，在训练过程中，人脸图像数据在经过SE前会先经过SEMobileFaceNet中的其它前置模块先转变为中间特征，中间特征在进入SE后会依次进入自适应平均池化及卷积模块得到通道权重，再将通道权重乘以输入的中间特征并与输入的中间特征相加得到加权融合后的人脸特征，将得到的人脸特征与人脸数据中的标签经过改进后的Arcface能够得到SEMobileFaceNet的损失，然后依据SEMobileFaceNet的损失计算出SEMobileFaceNet的梯度，在得到梯度后，使用梯度下降算法对SEMobileFaceNet权重进行更新；使用改进后的Arcface辅助SEMobileFaceNet进行训练；将输出的人脸特征Co与人脸数据中的标签输入到改进后的Arcface能够得到SEMobileFaceNet的损失，然后使用梯度下降算法优化SEMobileFaceNet，最后，使SEMobileFaceNet输出的相同人脸ID的人脸特征距离不断拉近；对Arcface改进的目的是减少人脸数据中错误样本与困难样本对模型训练的影响，提高模型的精度；其中，Arcface的表达如式4所示： 式中，LArc表示Arcface损失值，N表示训练样本数，k表示第k个训练样本，e表示自然常数，s表示缩放因子，xk表示第k个训练样本特征向量，yk表示第k个训练样本标签，j表示第j个权重，Wj表示第j个权重向量，θj表示Wj与xk的夹角，m表示角度裕值，表示xk与的夹角，表示SEMobileFaceNet最后一层的权重向量；对Arcface的角度裕值m的改进是：将角度裕值m的选取由原来的定值改变为从动态正态分布中采样的采样值；其中，动态正态分布为均值随着训练次数的增加，从一个初值不断增大到最后的目标值的正态分布；角度裕值m的采样方法如式5所示： 式中，μ表示正态分布的均值，ε表示正态分布的标准差，t表示当前训练的次数，epoch表示总共需要训练的次数，βt表示从第一轮到最后一轮训练过程中的变化权重，αmax表示最大角度裕值，αmin表示最小角度裕值；根据改进后的Arcface计算出的损失进行求导，能够得到梯度grad；当梯度grad∈[λmin,λmax]时，认为该梯度grad对应的人脸数据为正确样本，进行反向传播；当梯度grad∈[λmin,-clipcalue或grad∈clipcalue,λmax]时，认为该梯度grad对应的人脸数据为困难样本，将该梯度grad限制在区间[-clipcalue,clipcalue]范围内，防止梯度过大导致模型振荡；当梯度区间内时，认为该梯度grad对应的人脸数据为错误样本，将该梯度grad置为0，不参与反向传播，计算过程如式6所示： 式中，clipcalue表示裁减阈值，λmax表示最大梯度阈值，λmin表示最小梯度阈值；在经过预设次数的初始训练后，在后续训练过程中，会对训练过程中产生的大梯度值进行裁减或丢弃；3将训练好的SEMobileFaceNet用于实际自然场景，首先将需要识别的用户的人脸图像输入到训练好的SEMobileFaceNet中得到用户的人脸特征，将用户的人脸特征和用户信息存入到人脸数据库中；在后续使用时，将设备抓拍到的人脸图像输入到训练好的SEMobileFaceNet中得到实时特征，将实时特征与人脸数据库中的人脸特征进行余弦相似度比对，依据比对结果即可判断抓拍图像是否为人脸数据库中的用户。

全文数据：

权利要求：

百度查询： 广东宜教通科技有限公司 基于特征加权融合的轻量级人脸识别方法及系统