[發(fā)明專利]一種深度學(xué)習(xí)的人臉識別系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201810352493.3
• 申請日: 2018-04-19
• 公開（公告）號: CN108346208A
• 公開（公告）日: 2018-07-31
• 發(fā)明（設(shè)計(jì)）人: 王海龍
• 申請（專利權(quán)）人: 深圳安邦科技有限公司
• 主分類號: G07C9/00
• 分類號: G07C9/00;G06K9/00;G06N3/08
• 代理公司: 北京挺立專利事務(wù)所(普通合伙) 11265
• 代理人: 李鑫

1.一種深度學(xué)習(xí)的人臉識別系統(tǒng)，包括人臉識別門崗一體機(jī)、人臉識別人證對照系統(tǒng)和人臉識別人形閘口，其特征在于：所述人臉識別門崗一體機(jī)、人臉識別人證對照系統(tǒng)和人臉識別人形閘口分別通過以太網(wǎng)與負(fù)載均衡器連接，所述負(fù)載均衡器通過算法云實(shí)現(xiàn)人臉數(shù)據(jù)分析，所述深度學(xué)習(xí)系統(tǒng)包括自然光處理模塊、正臉檢測模塊和數(shù)據(jù)調(diào)優(yōu)模塊。

2.如權(quán)利要求1所述的深度學(xué)習(xí)的人臉識別系統(tǒng)，其特征在于：所述自然光處理模塊包括從人臉圖像之中學(xué)習(xí)到圖像中的規(guī)則觀察體(canonical view，標(biāo)準(zhǔn)正面人臉圖像)，從個(gè)體照片中自動選擇/合成。

3.如權(quán)利要求1所述的深度學(xué)習(xí)的人臉識別系統(tǒng)，其特征在于：所述正臉檢測模塊通過訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)來進(jìn)行人臉重建，loss函數(shù)為：i為第i個(gè)個(gè)體，k為第i個(gè)個(gè)體的第k張樣本和Y為訓(xùn)練圖像和目標(biāo)圖像，深度神經(jīng)網(wǎng)絡(luò)包含三層，前兩層后接上了max pooling；最后一層接上了全連接層，最終，經(jīng)過訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)生成的canonical view人臉圖像。

4.如權(quán)利要求1所述的深度學(xué)習(xí)的人臉識別系統(tǒng)，其特征在于:所述數(shù)據(jù)調(diào)優(yōu)模塊對于數(shù)據(jù)集中每一個(gè)個(gè)體，有多張圖片以及單個(gè)pool的3DMM。我們將該數(shù)據(jù)用于訓(xùn)練模型，使模型可以根據(jù)同一個(gè)體不同的圖片來生成類似的3DMM特征向量，采用了101層的deep ResNet網(wǎng)絡(luò)來進(jìn)行人臉識別，神經(jīng)網(wǎng)絡(luò)的輸出層為198維度的3DMM特征向量，然后，使用CASIA圖像生成的pooled 3DMM作為目標(biāo)值對神經(jīng)網(wǎng)絡(luò)進(jìn)行fine-tuned。

5.如權(quán)利要求1或2所述的深度學(xué)習(xí)的人臉識別系統(tǒng)，其特征在于:所述人臉識別系統(tǒng)設(shè)有數(shù)據(jù)存儲模塊。

6.如權(quán)利要求1-5所述的深度學(xué)習(xí)的人臉識別系統(tǒng)，其特征在于：所述人臉識別系統(tǒng)支持Offline的人臉識別和檢測。

7.如權(quán)利要求1所述的深度學(xué)習(xí)的人臉識別系統(tǒng)，其特征在于：所述深度學(xué)習(xí)模型包括輸入層、隱層(多層)、輸出層組成的多層網(wǎng)絡(luò)，只有相鄰層節(jié)點(diǎn)之間有連接，同一層以及跨層節(jié)點(diǎn)之間相互無連接。