[發明專利]基于深度學習的人臉識別系統及其人臉識別方法

在審

• 申請號: 201711346541.X
• 申請日: 2017-12-15
• 公開（公告）號: CN109934047A
• 公開（公告）日: 2019-06-25
• 發明（設計）人: 王虎崗;劉靜;陳文;戴怡潔;王忠偉
• 申請（專利權）人: 浙江舜宇智能光學技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 寧波理文知識產權代理事務所(特殊普通合伙) 33244
• 代理人: 李高峰;孟湘明

本發明公開了一基于深度學習的人臉識別系統及其人臉識別方法，其中所述人臉識別系統包括：采集模塊，采集需要待分類的人臉照片；處理模塊，電通信連接于所述采集模塊，將采集模塊中待分類的人臉照片進行處理和特征提??；存儲模塊，電通信連接于處理模塊，用于將處理模塊得到的人臉照片保存并分類識別模塊，電通信連接于所述處理模塊，將處理模塊中的人臉照片通過概率檢測函數，得到相應屬于每個類別的概率。整個過程速度快，精度高能夠實時監測識別人臉。

技術領域

本發明涉及一人臉識別系統，更進一步地涉及一基于深度學習的人臉識別系統及其人臉識別方法。

背景技術

人臉識別，是基于人的臉部特征信息進行身份識別的一種生物識別技術。采用攝像機或攝像頭采集含有人臉的圖像或視頻幀，并自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行臉部識別的一系列相關技術，通常也叫做人像識別、面部識別。目前，傳統的人臉識別技術主要是基于可見光圖像的人臉識別，即，二維圖像識別，這也是人們熟悉的識別方式，二維人臉識別是基于人臉平面圖像的，但實際上人臉本身是三維的，人臉平面圖像只是三維人臉在一個平面上的投影，在這個過程中，必然會丟失一部分信息。此外，二維人臉識別性能的進一步提升，一直受到環境光線、姿態、表情等因素的不利影響，有著難以克服的缺陷，尤其在環境光照發生變化時，識別效果會急劇下降，無法滿足實際系統的需要。目前解決光照問題的方案有三維圖像人臉識別，和熱成像人臉識別。但這兩種技術還遠不成熟，識別效果不盡人意。

對于三維圖像人臉識別是基于三維人臉圖像的，從理論上講具備一些三維圖像信息的技術優勢，但一直存在采集設備昂貴，采集系統復雜，存儲度高，人臉重建算法很復雜，識別速度較慢等缺點。具體來說，三維人臉識別存在以下的困難：一是信息來源方面的困難：用于三維人臉識別的完整信息難于獲取，或者用于三維人臉識別的信息往往是不完整的，這造成了識別算法本身不可糾正的錯誤。同時，由于圖像采集設備的差異，成像原理的不同，也造成數據上的差異。二是海量存儲和計算的困難：由于三維人臉識別的數據容量和計算量十分巨大，給存儲和運算帶來困難，也對計算機的硬件提出了更高要求，造成無法實時人臉檢測。三是對人的生理認識的不足：對于生物生理學和生物心理學等相關學科的有限的認知水平制約了計算機的算法實現，比如：對于肌肉的運動理論和表情的形成等問題，不能提供給計算機足夠的專家支持。計算機只具備計算功能而沒有人的經驗和知識。四是受到環境和條件的約束：影響二維識別的不利因素在三維識別上同樣存在。比如：光線的強弱，方向，遮蓋，陰影，背景等。五是實現方式和手段的不足：傳統的識別方法不能滿足三維識別的要求，必須改進或采用新的方法。比如：由于動態圖像的計算量太大，適用于靜態圖像處理的神經網絡就變得很不適合。六是對圖像需要進行較多的預處理，比如3D對齊，才能作為提取模型輸入，會降低三維識別的速率。

而對于熱成像人臉識別技術，也具有難點和缺陷。首先，由于熱成像本身特性導致熱成像人臉識別有其固有缺陷，比如與可見光人臉識別相比，熱成像圖像是由人臉的溫度分布決定，而人臉不同的器官溫度差別不會太大，因此在器官和局部的邊緣上比可見光要弱化，邊緣會比較模糊不清。其次，人的某些生理變化比如緊張或者是害羞和外部環境變化比如環境溫度變化會改變人臉的熱輻射模式，會影響熱成像人臉識別的準確度和精度，影響其性能。再次，熱輻射無法或者很難穿透玻璃，因此對于戴眼鏡可能會影響識別效果。最后，不同時間段拍攝的熱圖像的區別會比較大。以上都會造成熱成像人臉識別的準確率。