(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211180227.X (22)申请日 2022.09.27 (71)申请人 江苏科技大学 地址 212003 江苏省镇江市京口区梦溪路2 号 (72)发明人 葛慧林　朱志宇　臧旭　戴跃伟　 王彪　刘润邦　 (74)专利代理 机构 南京苏高专利商标事务所 (普通合伙) 32204 专利代理师 柏尚春 (51)Int.Cl. G06V 40/16(2022.01) G06V 40/18(2022.01) G06V 10/24(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 引入流形学习残差模块的YOLOv4人脸识别 方法 (57)摘要 本发明公开了一种引入流形学习残差模块 的YOLOv4人脸识别方法， 步骤如下： (1)对训练数 据进行预处理； (2)引入流形学习的YOLOv4改进 模型； (3)模型训练。 本发明中的模型检测速度比 传统的检测算法快3 ‑4倍； 能够为用户提供更好 的使用体验； 本发明所需的图像具备易获取性， 利用简单的摄像设备就可以对人脸图像进行采 集， 采集时不用接触被采集者， 绝大多数客户可 以接受； 通过使用流形学习残差网络结构来进行 特征提取， 提高了模型人脸识别准确率； 同时使 用残差神经网络有效缓解了模型训练过程中的 梯度消失等问题； 采用YOLOv4模型来实现人脸识 别， 达到了识别速度快、 精度高的优异效果。 权利要求书2页 说明书5页 附图3页 CN 115512413 A 2022.12.23 CN 115512413 A 1.一种引 入流形学习残差模块的YOLOv4人脸识别方法， 其特征在于， 通过使用流行学 习技术来对人脸图片的高位特征进行降维， 使用残差连接加强模型的稳定性， 并加入到 YOLOv4的框架完成人脸识别， 包括以下步骤： (1)对训练数据进行预处理： 通过平均值和数值方差对于数据集中的图片进行处理； 提 升模型的拟合效果； (2)引入流形学习的YOLOv4改进模型： 在Yolov4网络模型中特征提取模块使用Resnet 或其他的分类网络进行 特征提取， 将流形 学习以独立模块的形式加入到特 征提取网络中； (3)模型训练。 2.根据权利要求1所述的一种引入流形学习残差模块的YOLOv4人脸识别方法， 其特征 在于， 所述 步骤(1)具体为： (1.1)通过dl ib库提取 人脸眼眶特 征点， 并据此求得左右眼中心位置(xl， yl)、 (xr， yr)； (1.2)根据两眼中心位置， 确定图片偏转角度α， 计算公式如下： (1.3)得到图像矫 正需要的偏转角度后， 对图片进行旋转 矫正； (1.4)对矫正后的图片， 进行规范化每个输入数据， 数据为β ＝{x1,……,xm}， 计算数据 的平均值和数值方差， 最后分别对每 个值进行归一 化； 通过数据的标准化， 将均值和方差控制在一定范围内， 使下一层网络不必适应底层网 络输入的变化。 3.根据权利要求1所述的一种引入流形学习残差模块的YOLOv4人脸识别方法， 其特征 在于， 所述 步骤(2)具体为： YOLOv4主干网络采用流行学习残差模块， 通过将流行学习获取的特征加入到特征矩阵 中， 增强识别的准确性； 使用流形学习来提取特征的方法是Laplacian特征映射的方法， 其 是一种基于图论的流形学习方法， 其基本思想是对于高维空间中相 近的数据点， 其在低纬 空间中对应映射数据点 也是相近， 其目标函数为： min∑ij|yi‑yj|2Wij 其中， yi和yj为原始数据采样集X＝{x1,x2,…xn}中的数据点， xi和xj为低纬空间的对应 映射数据点。 4.根据权利要求1所述的一种引入流形学习残差模块的YOLOv4人脸识别方法， 其特征 在于， 所述 步骤(3)具体为：权　利　要　求　书 1/2 页 2 CN 115512413 A 2(3.1)将数据输入神经网络正向传播， 得到结果； (3.2)将结果输入误差函数loss  function， 与期待值比较得到误差， 多个则为和， 通过 误差判断识别程度， 其损失函数为在改进的YOLOv4s模 型中采用DIoU作为损失函数， DIoU函 数如下： 训练中， 使用的数据集 为： WIDER FACE人脸数据集； (3.3)通过反向传播 来确定梯度向量； (3.4)最后通过梯度向量 来调整每一个权值， 向结果使误差 趋于0或收敛的趋势调节； (3.5)重复上述过程 直到设定次数或损误差失的平均值 不再下降。 5.一种计算机存储介质， 其上存储有计算机程序， 其特征在于， 该计算机程序被处理器 执行时实现如权利要求1 ‑4中任一项所述的引入流形学习残差模块的YOLOv4人脸识别方 法。 6.一种计算机设备， 包括储存器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求 1‑4中任一项 所 述的引入流形 学习残差模块的YOLOv4人脸识别方法。权　利　要　求　书 2/2 页 3 CN 115512413 A 3