基于特征加权融合的轻量级人脸识别方法及系统

专利主权项内容

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；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。