[发明专利]一种基于局部并行神经网络的红外人脸识别方法

摘要

本发明一种基于局部并行神经网络的红外人脸识别方法，它的网络结构主要包含四部分：一、提取初步卷积特征：通过一组2×2的卷积核提取初步的人脸特征并对输出特征信号进行整理；二、生成并行多尺度卷积特征：利用并行多尺度卷积网络结构提取代表不同尺度信息的人脸特征；三、生成分类特征向量：利用全连接层将卷积特征整合得到最终代表人脸身份的用于分类输入的特征向量并进行修正线性激活和随机忽略处理；四、训练并测试分类器：将处理过的全连接特征向量输入Softmax分类器计算损失并反向传播训练调整网络参数实现红外人脸识别。本发明能广泛应用于红外人脸识别与身份辨识应用。

主权项

1.一种基于局部并行神经网络的红外人脸识别方法，特征在于：该方法具体步骤如下：步骤一：提取初步卷积特征：用一组2×2卷积核对输入图像进行特征提取，生成对应的特征谱，并进行修正线性激活和最大池化降采样一系列处理后作为进一步卷积操作的输入；步骤二：生成并行多尺度卷积特征：将最大池化降采样后的特征谱依据不同的卷积核尺寸、步长以及数量进行多尺度卷积运算，并再次用修正线性激活提取代表不同尺度信息的红外人脸特征谱，得到多尺度特征谱；步骤三：生成分类特征向量：将步骤二中提取到的多尺度特征谱全部输入到全连接层，并将输出的响应信号作为分类特征向量进行随机忽略处理以降低过拟合效应；步骤四：训练并测试分类器：将分类特征向量输入到Softmax分类器并结合输入监督分类标签计算交叉熵损失函数，通过反向传播和梯度下降不断更新整个网络中连接神经元的权重和偏置，最终实现红外人脸识别。