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：上海弘目智能科技有限公司

摘要：本发明公开了一种基于SE‑ResNet网络的人种识别方法，包括以下步骤：获取真实人种图像数据为原始数据并对人脸进行检测并旋转填充矫正缩放至统一尺寸；去除人脸侧脸、低头及五官区域大面积遮挡的无特征图像；对图像数据进行多样性增强；对图像数据的RGB通道分别进行减值处理后分类打标签；在ResNet50基础上添加SE残差模块建立SE‑ResNet网络，并进行训练；选取待识别的图片输入至训练得到的SE‑ResNet网络进行分类识别得到结果。本发明通过对采集的图像数据进行检测处理，提出无明显特征数据后对SE‑ResNet网络训练，具有较好地识别速度和准确性。

主权项：1.一种基于SE-ResNet网络的人种识别方法，其特征在于，包括以下步骤：S1、获取真实人种图像数据为原始数据并采用MTCNN模型对人脸进行检测，根据人脸五官对人脸进行旋转填充矫正并缩放至统一尺寸；S2、去除人脸侧脸、低头及五官区域大面积遮挡的无特征图像，具体步骤包括：S2-1、采用第一神经网络对所述原始数据进行分类和定位，所述分类包括正脸、侧脸、低头，所述定位为左右两侧眉毛的眉头、眉中、眉尾的坐标点，左右两侧眼睛的内眼角、眼中、外眼角的坐标点，鼻子的鼻头、鼻翼两侧、鼻尾的坐标点，嘴巴的两端、上嘴唇、中间、下嘴唇的坐标点及左右两侧耳朵连接脸廓上下两处的坐标点；S2-2、比较左耳距离左眼的距离与右耳距离右眼的距离计算人脸正侧脸角度，比较两耳y值坐标与双眼y值坐标计算人脸俯仰角度；S2-3、采用第二神经网络对所述原始数据进行识别是否五官区域大面积遮挡；S2-4、去除判断为90度侧脸、70度及以上低头以及五官区域大面积遮挡的无特征图像；所述第一神经网络结构为修改的VGG网络，基础层为一层卷积核为5步长为1的卷积层+激活层，一层池化层，三个卷积核为3步长为1的卷积层+激活层+池化层，一层全连接计算分类结果，采用分割层slice将计算结果分为所述分类和坐标点；所述第二神经网络结构为修改的VGG网络，基础层为一层卷积核为7步长为4的卷积层+激活层，一层池化层，一层卷积核为3步长为1的卷积层+激活层，一层池化层，两层卷积核为3步长为1的卷积层+激活层，一层池化层，一层全连接层计算分类结果；S3、对图像数据进行亮度、对比度、清晰度、锐度调整，增加图像数据多样性后对图像进行高斯模糊处理；S4、对图像数据的RGB通道分别进行减值处理，然后对数据集按分类打上标签区分A类人种人脸和B类人种人脸，所述A类人种为除B类人种外的其他人种，将打上标签的数据集分为测试集和训练集；S5、建立SE-ResNet网络，所述SE-ResNet网络依次包括第一卷积模块、第二卷积模块、第一池化层、第一SE残差模块、第三卷积模块、第二池化层、第二SE残差模块、第三SE残差模块、第四卷积模块、第三池化层、第五至第九SE残差模块、第五卷积模块、第四池化层、第十至第十二SE残差模块、第一全连接层、第二全连接层和softmax层，所述第一至第五卷积模块分别包括卷积层+激活层，所述SE残差模块包括分别连接至eltwise层的主路和边路，所述主路依次为第一卷积层+激活层、第二卷积层+激活层、平均池化层、全连接层、激活函数、全连接层和Sigmoid然后连接至所述eltwise层，所述边路直接连接所述eltwise层；S6、采用步骤S4得到的数据集对所述SE-ResNet网络进行训练，包括S6-1，采用训练集对所述SE-ResNet网络进行训练，然后用测试集对应的原始数据测试经过步骤S6-1训练的SE-ResNet网络，将测试结果中结果正确及结果错误的原始数据对应的测试集数据组成优化训练集，训练时，优化器为SGD，损失函数为交叉熵损失函数，初始学习率为0.001，设定训练100000个epoch，学习策略为multistep,20000个epoch学习率衰减到0.0001，40000个epoch学习率衰减到之前的0.00001，动量为0.99；S6-2，采用优化训练集对步骤S6-1训练的SE-ResNet网络进行优化训练，优化训练时，优化器为Adam，损失函数为交叉熵损失函数，初始学习率为0.0001，设定训练50000个epoch，学习策略为step，每5000个epoch学习率衰减到之前的50％，动量为0.99，所述SE-ResNet网络中的第二全连接层学习率与偏置学习率分别扩大10倍进行优化生成网络模型；S7、选取待识别的图片输入至步骤S6训练得到的SE-ResNet网络进行分类识别得到结果。

全文数据：

权利要求：

百度查询： 上海弘目智能科技有限公司 基于SE-ResNet网络的人种识别方法、装置及计算机存储介质