The invention discloses a face attribute recognition method based on the estimation of face depth information by the three eye camera, which obtains the original RGB image and estimates the depth perception image by using the three eye camera, preprocesses and enhances the original RGB image and the depth image data, labels the attributes and divides them into three parts: training set, verification set and test set; convolutes God by designing multi-scale projection The face attribute feature extraction model is trained by the network and attribute relation calculation long and short-term memory network; the model with the highest accuracy on the verification set is selected as the best candidate model, and the output of the long and short-term memory network is the corresponding face attribute; the depth image calculated by the invention in combination with the three eye camera head just makes up for the lack of depth information and improves the complex face attribute Prediction accuracy. The long-term and short-term memory units calculate the relationship between different attributes to complement and strengthen each other, so as to further improve the accuracy of all attributes prediction.
【技术实现步骤摘要】
一种基于三目摄像头深度估计的人脸属性识别方法
本专利技术涉及人脸属性识别领域,尤其涉及一种基于三目摄像头获取深度感知图像、卷积神经网络和长短期记忆网络(LongShort-TermMemory,LSTM)相结合的人脸属性识别方法。
技术介绍
随着监控技术的发展,各种监控设备遍布大街小巷,警方可以获得大量监控视频或者图像。利用人脸识别技术,提取监控视频或者图像中的人脸特征与在逃嫌犯人脸特征进行比对能够快速追踪确定逃犯轨迹、位置。然而,在获取的监控图像中,大部分分辨率比较低,人脸识别技术在这种情况下实际效果较差。而且,目击者描述犯罪嫌疑人时,着重强调人脸部特征属性,如:大鼻子,大嘴唇等,对于细节部分往往容易忽略,这对人脸识别技术带说是非常具有挑战性的。人脸属性作为人类面部显著性特征,在低分辨率的图像中依然保持高辨识度。同时,人脸属性识别往往有着比人脸识别更快的速度,从而极大程度地降低处理时间。人脸属性识别还经常用于大规模人脸图像搜索、性别判断等。因此,人脸属性识别技术具有一定研究意义。人脸属性识别技术主要包含两个难点:1)人脸属性识别的准确率。2)人脸属性识别的效率。下面介绍与本专利技术相关的现有技术:(1)现有技术一——基于手工设计特征的人脸属性识别方法现有技术一的技术方案:对于不同人脸部位设计不同人脸属性特征,将人的面部分成对应不同属性的多个区域,分别提取一种特征并训练分类器,通过多特征模式、多分类器实现人脸多种属性识别。现有技术 ...
【技术保护点】
1.一种基于三目摄像头深度估计的人脸属性识别方法,其特征在于,包括步骤:/n1)设计平行且间距相等的三目摄像头元组,使用该三目摄像头元组采集人脸图像数据并计算对应的深度图像,对获得的RGB图像和深度图像进行矫正并做好人脸属性标签,对做好标签的RGB图像和深度图像数据做预处理和数据增强,分成训练集、验证集和测试集三部分;/n2)设计人脸属性特征提取卷积神经网络网络以及属性关系计算长短期记忆网络;/n3)将1)中获得的训练集数据送入2)中设计好的卷积神经网络和长短期记忆网络进行训练;/n4)重复步骤3)选取在验证集上准确率最高的模型作为最佳候选模型;/n5)用步骤4)中获取的最佳候选模型在测试集上进行测试;/n6)根据步骤5)中测试结果,调整训练参数和网络参数重复步骤3)、4)、5),直至获得理想模型;/n7)由6)中获得的理想模型即为目标训练模型,其中长短期记忆网络的输出即为对应的人脸属性。/n
【技术特征摘要】
1.一种基于三目摄像头深度估计的人脸属性识别方法,其特征在于,包括步骤:
1)设计平行且间距相等的三目摄像头元组,使用该三目摄像头元组采集人脸图像数据并计算对应的深度图像,对获得的RGB图像和深度图像进行矫正并做好人脸属性标签,对做好标签的RGB图像和深度图像数据做预处理和数据增强,分成训练集、验证集和测试集三部分;
2)设计人脸属性特征提取卷积神经网络网络以及属性关系计算长短期记忆网络;
3)将1)中获得的训练集数据送入2)中设计好的卷积神经网络和长短期记忆网络进行训练;
4)重复步骤3)选取在验证集上准确率最高的模型作为最佳候选模型;
5)用步骤4)中获取的最佳候选模型在测试集上进行测试;
6)根据步骤5)中测试结果,调整训练参数和网络参数重复步骤3)、4)、5),直至获得理想模型;
7)由6)中获得的理想模型即为目标训练模型,其中长短期记忆网络的输出即为对应的人脸属性。
2.根据权利要求1所述的人脸属性识别方法,其特征在于:在步骤1)中,使用三目摄像头元组采集人脸图像数据计算对应的深度图像,根据公式(1)对采集到的RGB图和深度图像进行矫正并做人脸属性标签,对训练集做水平镜像翻转、高斯模糊、添加随机椒盐噪声操作,以此增强数据;
其中,f表示摄像头焦距;b表示摄像头之间的距离;l表示左摄像头;m表示中间摄像头;r表示右摄像头。
3.根据权利要求1所述的人脸属性识别方法,其特征在于:步骤2)所述设计人脸属性特征提取卷积神经网络网络以及属性关系计算长短期...
【专利技术属性】
技术研发人员:骆冰清,成曦,李腾,杨士猛,
申请(专利权)人:南京邮电大学盐城大数据研究院有限公司,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。