基于受限玻尔兹曼机神经网络的人脸姿态识别方法
专利汇可以提供基于受限玻尔兹曼机神经网络的人脸姿态识别方法专利检索，专利查询，专利分析的服务。并且一种用受限 玻尔兹曼机 神经网络进行人脸 姿态 识别的方法，属于 图像识别 技术领域。本 发明 包括如下步骤：(1)对不同姿态的人脸图像训练样本进行预处理操作；(2)初始化 受限玻尔兹曼机 神经网络；(3)预训练受限玻尔兹曼机神经网络；(4)调整受限玻尔兹曼机神经网络参数；(5)对新的人脸图像进行姿态识别；本发明涉及了 人脸检测 、模式分类、人脸姿态识别方法可以进一步应用于三维人脸模型重建、三维 人脸识别 等方面。，下面是基于受限玻尔兹曼机神经网络的人脸姿态识别方法专利的具体信息内容。
1.一种基于受限玻尔兹曼机神经网络的人脸姿态识别方法，其特征在于，包 括如下步骤：
(1)对不同姿态的人脸图像训练样本进行预处理操作；
(2)初始化受限玻尔兹曼机神经网络；
(3)预训练受限玻尔兹曼机神经网络；
(4)调整受限玻尔兹曼机神经网络参数；
(5)对新的人脸图像进行姿态识别。
2.根据权利要求1所述的基于受限玻尔兹曼机神经网络的人脸姿态识别方法， 其特征是，所述的步骤(1)，是指：对于每个人脸图像训练样本，首先从图像中检 测到人脸区域，并把其缩放为高为h个像素、宽为w个像素的图像，然后把该缩放 后的人脸图像变换为灰度图像，并把该灰度图像上所有像素的灰度值压缩到[01]， 最后把该灰度图像按照行顺序拉成一个向量，该向量的长度为h×w。
3.根据权利要求1所述的基于受限玻尔兹曼机神经网络的人脸姿态识别方法， 其特征是，所述的步骤(2)，是指：设定该神经网络有一层，每一层的结点数分别 为N1，N2，…，N1个，类别个数为C个，预训练的次数为Pt次，调整参数的次数 为Pc次，由网络层数和每层结点的个数得到网络结构，同时产生[01]之间的随机 数作为网络结点之间连接权值。
4.根据权利要求1所述的基于受限玻尔兹曼机神经网络的人脸姿态识别方法， 其特征是，所述的步骤(3)，是指：对于整个网络中第一层受限玻尔兹曼机，其可 视层的结点对应于步骤(1)中向量中的每一个值，然后训练该受限玻尔兹曼机可视 层结点与隐层结点之间的权值参数，共训练Pt次；然后再以第一层受限玻尔兹曼 机隐层作为第二层受限玻尔兹曼机可视层，同样训练该受限玻尔兹曼机可视层结点 与隐层结点之间的权值参数，也训练Pt次；依此类推，即上一层受限玻尔兹曼机 的隐层作为下一层受限玻尔兹曼机的可视层以训练下一层受限玻尔兹曼机，这样就 完成了整个网络的预训练，同时也得到了预训练好的各层受限玻尔兹曼机的参数。
5.根据权利要求1所述的基于受限玻尔兹曼机神经网络的人脸姿态识别方法， 其特征是，所述的步骤(4)，是指：以重建误差最小为准则利用梯度下降法反向传 播调整神经网络的参数，该步骤共执行Pc次，这样便完成了网络参数的调整，也 得到了网络的最终权值参数。
6.根据权利要求1所述的基于受限玻尔兹曼机神经网络的人脸姿态识别方法， 其特征是，所述的步骤(5)，是指：对于一幅新的待进行姿态识别的人脸图像，先 检测到人脸区域并缩放到高为h个像素、宽为w个像素的图像，并把该缩放的图像 变换为灰度图像，并把图像上所有像素的灰度值压缩到[01]，接着把该图像按照 行顺序拉成一个向量，该向量的长度为h×w，最后把该向量送入已经训练好的神经 网络即得到该人脸图像的姿态。
技术领域
本发明涉及的是一种图像识别技术领域中的方法，具体是一种用受限玻尔兹曼 机神经网络进行人脸姿态识别的方法。
背景技术
经对现有技术文献的检索发现，Roweis，S.T.等在《Science》(科学)(2000年 第290卷第5500期第2323页)发表的“Nonlinear Dimensionality Reduction by Local linear Embedding”(用局部线性嵌入进行非线性降维)，该文提出了一种非 线性降维方法，该方法可以被用于进行姿态识别。如果把人脸看成是高维空间的一 个点，在该方法中，通过在原始数据的高维空间中寻找每个点周围K个最近邻并计 算它们之间的流行空间的距离来进行分类。但该方法的计算时间与训练样本的个数 成二次方关系。最为关键的一点就是：对于一个新的待分类的样本，其不能用已经 训练好的流行对其进行降维分类。也就是，该方法仅仅学习了给定数据的潜在的低 维结构，它不能利用已经学习好的该低维结构把一个新的高维空间的数据影射到低 维空间。这就限制了该方法的应用，因此也不能直接应用到人脸姿态识别中。
发明内容
本发明是通过以下技术方案实现的，本发明首先利用训练样本对受限玻尔兹曼 机神经网络进行预训练学习，得到预训练学习参数，然后再利用梯度下降方法调整 整个网络结构的权值参数，得到最终训练好的网络参数。最后对于一个新的待进行 姿态识别的人脸图像，把其送入该学习好的神经网络中进行姿态识别分类。
本发明具体包括如下步骤：
(1)对不同姿态的人脸图像训练样本进行预处理操作；
(2)初始化受限玻尔兹曼机神经网络；
(3)预训练受限玻尔兹曼机神经网络；
(4)调整受限玻尔兹曼机神经网络参数；
(5)对新的人脸图像进行姿态识别。
所述的步骤(1)，是指：对于每个人脸图像训练样本，首先从图像中检测到人 脸区域，并把其缩放为高为h个像素、宽为w个像素的图像。然后把该缩放后的人 脸图像变换为灰度图像，并把该灰度图像上所有像素的灰度值压缩到[01]，最后 把该灰度图像按照行顺序拉成一个向量，该向量的长度为h×w。
所述的步骤(2)，是指：设定该神经网络有1层。每一层的结点数分别为N1， N2，…，N1。类别个数为C，预训练的次数为Pt，调整参数的次数为Pc。由网络层 数和每层结点的个数就可以得到网络结构，同时产生[01]之间的随机数作为网络 结点之间连接权值。
所述的步骤(3)，是指：对于整个网络中第一层受限玻尔兹曼机，其可视层的 结点对应于步骤(1)中向量中的每一个值，然后训练该受限玻尔兹曼机可视层结点 与隐层结点之间的权值参数，共训练Pt次。然后再以第一层受限玻尔兹曼机隐层 作为第二层受限玻尔兹曼机可视层，同样训练该受限玻尔兹曼机可视层结点与隐层 结点之间的权值参数，也训练Pt次。依此类推，即上一层受限玻尔兹曼机的隐层 作为下一层受限玻尔兹曼机的可视层以训练下一层受限玻尔兹曼机。这样就完成了 整个网络的预训练，同时也得到了预训练好的各层受限玻尔兹曼机的参数。
所述的步骤(4)，是指：以重建误差最小为准则利用梯度下降法反向传播调整 神经网络的参数，该步骤共执行Pc次。这样便完成了网络参数的调整，也得到了 网络的最终权值参数。
所述的步骤(5)，是指：对于一幅新的待进行姿态识别的人脸图像，先检测到 人脸区域并缩放到高为h，宽为w的图像，并把该缩放的图像变换为灰度图像，并 把图像上所有像素的灰度值压缩到[01]，接着把该图像按照行顺序拉成一个向量， 该向量的长度为h×w。最后把该向量送入已经训练好的神经网络即可得到该人脸图 像的姿态。
本发明提出的人脸姿态识别方法具有非常高的精度。用拍摄的人脸库做测试， 其识别错误率为2.5％。与其他姿态识别方法相比，该方法的错误率大大降低。而且 该方法计算速度非常快，且易于实现。
附图说明
图1为同一个人的9个不同的姿态示意图
图a、b、c、d、e、f、g、h、i表示的人脸图像的姿态分别为-90°、-60°、 -45°、-30°、0°、30°、45°、60°、90°。
图2为姿态识别的结果。
图中：角度为-60°。
具体实施方式
本实施例整个实现过程如下：
1.在人脸库(该人脸库包含有2270个人的不同姿态的人脸图像。每个人包含 9个姿态的人脸图像，如图1所示，图a、b、c、d、e、f、g、h、i这9个人脸图 像的姿态分别为-90°、-60°、-45°、-30°、0°、30°、45°、60°、90°。 这样就可以把人脸库中的图像按照其不同的姿态分为9类，每一类有2270个图像， 每一类中的图像具有相同的姿态。)图像中检测到人脸区域，并把其缩放为高为25 个像素，宽为25个像素的图像，然后把该缩放后的人脸图像变换为灰度图像，并 把该灰度图像上所有像素的灰度值压缩到[01]，最后把该灰度图像按照行顺序拉 成一个向量，该向量的长度为625。
2.设定该神经网络有3层。每一层的结点数分别为500，500，2000。类别个 数为9，预训练的次数为50，调整参数的次数为30。由网络层数和每层结点的个数 就可以得到网络结构，同时产生[01]之间的随机数作为网络结点之间连接权值。
3.对于整个网络中第一层受限玻尔兹曼机，其可视层的结点对应于步骤(1)中 向量中的每一个值，然后训练该受限玻尔兹曼机可视层的625个结点与隐层的500 个结点之间的权值参数，共训练50次。然后再以第一层受限玻尔兹曼机隐层作为 第二层受限玻尔兹曼机可视层，同样训练该受限玻尔兹曼机可视层的500个结点与 隐层的500个结点之间的权值参数，也训练50次。依此类推，即上一层受限玻尔 兹曼机的隐层作为下一层受限玻尔兹曼机的可视层以训练下一层受限玻尔兹曼机。 这样就完成了整个网络的预训练，同时也得到了预训练好的各层受限玻尔兹曼机的 参数。
4.以重建误差最小为准则利用梯度下降法反向传播调整神经网络的参数，该 步骤共执行30次。这样便完成了网络参数的调整，也得到了网络的最终权值参数。
5.对于一幅新的待进行姿态识别的人脸图像，先检测到人脸区域并缩放到高 为25个像素，宽为25个像素的图像，并把该缩放的图像变换为灰度图像，并把图 像上所有像素的灰度值压缩到[01]，接着把该图像按照行顺序拉成一个向量，该 向量的长度为625。最后把该向量送入已经训练好的神经网络即可得到该人脸图像 的姿态，如图2所示，该待进行姿态识别的图像为一幅-60°的人脸图像，用本发 明的方法可以正确地识别出该人脸图像的姿态。
从以上可以看出，本实施例提出的涉及了人脸检测、模式分类的人脸姿态识别 方法可以进一步应用于三维人脸模型重建、三维人脸识别等方面，其具非常高的精 度。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于人脸三维重建的改进PCA算法 | 2020-05-11 | 146 |
| 一种利用多目3D视觉传感技术防控儿童近视的系统及方法 | 2020-05-21 | 624 |
| 一种基于大姿态对准的人脸识别方法及系统 | 2020-05-12 | 419 |
| 一种高压氧舱人脸识别交互方法及系统 | 2020-05-15 | 388 |
| 三维人脸识别方法和三维人脸识别系统 | 2020-05-20 | 1007 |
| 一种基于面部运动单元的三维非真实感表情生成方法 | 2020-05-11 | 951 |
| 人脸防伪检测方法、装置、芯片、电子设备和计算机可读介质 | 2020-05-17 | 314 |
| 一种三维人脸重建方法、装置、设备及存储介质 | 2020-05-12 | 897 |
| 基于多列多尺度图卷积神经网络的3D人脸生成方法 | 2020-05-16 | 685 |
| 三维人脸图像重建方法、装置和计算机可读存储介质 | 2020-05-14 | 1020 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
