技術(shù)特征：

1.一種基于煙花深度信念網(wǎng)絡(luò)的人臉性別識(shí)別方法，其特征在于它包括下述步驟：

(1)原始圖像預(yù)處理

將原始彩色圖像轉(zhuǎn)化為灰度圖像，并分割出人臉部分，轉(zhuǎn)化為一維向量，每一行向量表示一張圖像；

(2)訓(xùn)練深度信念網(wǎng)絡(luò)

設(shè)置深度信念網(wǎng)絡(luò)輸入層、隱層和輸出層的層數(shù)，以及各層節(jié)點(diǎn)數(shù)，通過(guò)貪婪逐層無(wú)監(jiān)督學(xué)習(xí)，得到深度信念網(wǎng)絡(luò)初始參數(shù)空間：

θ₁＝(W,B,C)

式中W為網(wǎng)絡(luò)的權(quán)值，B為隱層的偏置，C為可視層的偏置；

(3)用煙花算法優(yōu)化深度信念網(wǎng)絡(luò)初始參數(shù)空間

在有監(jiān)督學(xué)習(xí)階段，用煙花算法尋找全局最優(yōu)點(diǎn)，用共軛梯度法對(duì)全局最優(yōu)點(diǎn)進(jìn)行局部搜索，用煙花算法和共軛梯度法優(yōu)化深度信念網(wǎng)絡(luò)初始參數(shù)空間，步驟如下：

1)設(shè)置煙花算法有限的最大迭代次數(shù)，將其作為煙花算法的終止條件，初始化M個(gè)煙花，M為5～20的整數(shù)，將深度信念網(wǎng)絡(luò)初始參數(shù)空間θ₁作為其中的一個(gè)煙花,其余M-1個(gè)初始煙花由如下公式得出：

θ＝rand(1,n)×(UB-LB)+ones(1,n)×LB (1)

其中，

$n=\underset{s=1}{\overset{H}{\Σ}}(D_{s-1}{D}_s+D_s)+D_H\×2+2$

式中，n為深度信念網(wǎng)絡(luò)初始參數(shù)空間θ₁的元素?cái)?shù)，H為深度信念網(wǎng)絡(luò)隱層總數(shù)，1≤H≤3，D_s為第s個(gè)隱層的節(jié)點(diǎn)數(shù)，D_s為100～500的正整數(shù)，D₀為輸入圖像的像素?cái)?shù)，rand(1,n)表示生成一個(gè)1×n矩陣，矩陣中每一個(gè)元素為(0,1)區(qū)間的一個(gè)隨機(jī)實(shí)數(shù)，ones(1,n)表示生成一個(gè)1×n矩陣，矩陣中所有元素全為1，UB為煙花算法搜索空間的上界，UB為1～5的整數(shù)，LB為煙花算法搜索空間的下界，LB為-5～-1的整數(shù)；

2)使用煙花算法尋找種群最優(yōu)個(gè)體θ^*

3)使用共軛梯度法繼續(xù)尋找最優(yōu)個(gè)體θ^*的最優(yōu)解，如果找到，則更新種群最優(yōu)個(gè)體θ^*，否則保持種群最優(yōu)個(gè)體θ^*，將種群最優(yōu)個(gè)體θ^*作為下一代的煙花，若滿(mǎn)足終止條件，則執(zhí)行步驟4)，否則跳轉(zhuǎn)到步驟2)；

4)返回種群最優(yōu)個(gè)體θ^*，作為深度信念網(wǎng)絡(luò)參數(shù)空間；

(4)使用煙花算法優(yōu)化的深度信念網(wǎng)絡(luò)進(jìn)行人臉性別識(shí)別

將測(cè)試圖像輸入到經(jīng)過(guò)優(yōu)化的深度信念網(wǎng)絡(luò)，第s個(gè)隱層第j個(gè)節(jié)點(diǎn)的特征向量由下式得到：

$h_j^s(x;{\mathrm{\θ}}^{*})=1/(1+e^{-(b_j^s+\underset{i=1}{\overset{D_{s-1}}{\mathrm{\Σ}}}{w}_{ij}^s{h}_i^{s-1}(x;{\mathrm{\θ}}^{*}\left)\right)}),j=1,...,D_s,s=1,...,H---\left(2\right)$

式中，為第s個(gè)隱層第j個(gè)節(jié)點(diǎn)的偏置，為連接第s-1個(gè)隱層第i個(gè)節(jié)點(diǎn)和第s個(gè)隱層第j個(gè)節(jié)點(diǎn)的權(quán)值，為第s-1個(gè)隱層第i個(gè)節(jié)點(diǎn)的特征向量，表示輸入圖像第i個(gè)像素歸一化的灰度值，x為深度信念網(wǎng)絡(luò)輸入圖像；

輸入測(cè)試圖像，在輸出層得到網(wǎng)絡(luò)預(yù)測(cè)的男女性別，其性別由下式得到：

$J=\underset{j}{\arg }max(b_j^{out}+\underset{i=1}{\overset{D_H}{\Σ}}{w}_{ij}^{out}{h}_i^H(x;{\mathrm{\θ}}^{*}\left)\right),j=1,2---\left(3\right)$

式中，為輸出層第j個(gè)節(jié)點(diǎn)的偏置，D_H為第H個(gè)隱層的節(jié)點(diǎn)數(shù)，為連接第H個(gè)隱層第i個(gè)節(jié)點(diǎn)和輸出層第j個(gè)節(jié)點(diǎn)的權(quán)值，x為深度信念網(wǎng)絡(luò)輸入圖像，為第H個(gè)隱層第i個(gè)節(jié)點(diǎn)的特征向量，J為輸入圖像的判斷性別，當(dāng)J是1時(shí)為男性，J是2時(shí)為女性。

2.根據(jù)權(quán)利要求1所述的基于煙花深度信念網(wǎng)絡(luò)的人臉性別識(shí)別方法，其特征在于：在煙花算法優(yōu)化深度信念網(wǎng)絡(luò)初始參數(shù)空間步驟(3)中，所述的種群最優(yōu)個(gè)體θ^*用煙花算法按下式確定：

${\mathrm{\θ}}^{*}=\underset{{\mathrm{\θ}}_t}{\arg }\min \left(-\underset{k=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{2}{\mathrm{\Σ}}}{y}_j^k\tan 0.5\mathrm{\π}\left(b_j^{out}+\underset{i=1}{\overset{D_H}{\mathrm{\Σ}}}{w}_{ij}^{out}{h}_i^H\left(x^k;{\mathrm{\θ}}_t\right)-1\right)\right)---\left(4\right)$

式中，θ_t為煙花種群中第t個(gè)個(gè)體，N為輸入的有限訓(xùn)練圖像總數(shù)，為第k張輸入圖像的真實(shí)標(biāo)簽，為輸出層第j個(gè)節(jié)點(diǎn)的偏置，D_H為第H個(gè)隱層的節(jié)點(diǎn)數(shù)，為連接第H個(gè)隱層第i個(gè)節(jié)點(diǎn)和輸出層第j個(gè)節(jié)點(diǎn)的權(quán)值，x^k是第k張輸入圖像，為第H個(gè)隱層第i個(gè)節(jié)點(diǎn)的特征向量。

3.根據(jù)權(quán)利要求1所述的基于煙花深度信念網(wǎng)絡(luò)的人臉性別識(shí)別方法，其特征在于：在訓(xùn)練深度信念網(wǎng)絡(luò)步驟(2)中，所述的設(shè)置深度信念網(wǎng)絡(luò)輸入層、隱層和輸出層的層數(shù)分別包括1個(gè)輸入層、3個(gè)隱層、1個(gè)輸出層；其中輸入層節(jié)點(diǎn)數(shù)為576，第一個(gè)隱層節(jié)點(diǎn)數(shù)為400，第二個(gè)隱層節(jié)點(diǎn)數(shù)為400，第三個(gè)隱層節(jié)點(diǎn)數(shù)為200，輸出層節(jié)點(diǎn)數(shù)為2。