[發明專利]一種基于深度學習的人臉快速識別方法

在審

• 申請號: 201910345927.1
• 申請日: 2019-04-26
• 公開（公告）號: CN111860047A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 陳美林
• 申請（專利權）人: 美澳視界（廈門）智能科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06F16/583;G06K9/62
• 代理公司: 廈門荔信航知專利代理事務所(特殊普通合伙) 35247
• 代理人: 徐婕

本發明公開了一種基于深度學習的人臉快速識別方法，收集N個帶有人臉的圖片，處理生成對應N個人臉樣本圖片，并將N個所述人臉樣本圖片提取人臉特征點數據存入數據庫中；對N個所述人臉圖片進行深度學習，建立學習模型；將輸入的視頻流與所述學習模型比對，對視頻人臉進行采集形成人臉圖片；提取人臉特征點數據；將該人臉特征點數據與數據庫中已存儲的人臉特征點數據進行比對判斷，采用本發明人臉快速識別方法不僅提高了人臉識別效率而且人臉識別的精度。

技術領域

本發明涉及人臉識別技術領域，具體涉及一種基于深度學習的人臉快速識別方法。

背景技術

人臉識別，通常也叫做人像識別、面部識別，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，用攝像機或攝像頭采集含有人臉的圖像或視頻流，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的一系列相關技術，以達到識別不同人身份的目的。

目前的人臉識別技術存在如下以下的不足或缺陷：

(1)人臉識別速度慢，現有人臉識別系統大多需要用戶配合，用戶按照要求執行相應指令后，在采集條件比較理想的情況下，才能完成識別檢測；

(2)人臉識別精確度低，導致識別效率低，如光照不均勻，陰陽臉，分辨率低，背景干擾等)，有各種遮擋的情況下，都會導致識別率將大大降低。

(3)采用深度學習算法進行特征提取，避免人為干涉，通過設備的自身學習尋找最優特征。但其也存在海量樣本庫，訓練周期長，對設備配置要求高等缺點。

發明內容

本發明的目的在于克服現有技術問題，提出一種基于深度學習的人臉快速識別方法。

為達成上述目的，本發明采用如下技術方案：

本發明提供了一種基于深度學習的人臉快速識別方法，包括如下步驟：

步驟一，收集N個帶有人臉的圖片，處理生成對應N個人臉樣本圖片，并將N個所述人臉樣本圖片提取人臉特征點數據存入數據庫中；

所述人臉樣本圖片的生成方式為，先將帶有人臉的圖片識別出人眼區域圖像、鼻子區域圖形、嘴巴區域圖形，并定位出兩個眼睛、鼻子、嘴巴的中心位置，將人眼區域圖像的兩眼位置對齊在同一水平線上、兩個眼睛、鼻子、嘴巴的中心位置在同一垂直線上進行旋轉和/或平移處理圖片，通過矩形框式裁剪人臉圖像形成人臉樣本圖片，所述矩形框垂直中心線對準兩眼之間的中心位置；

步驟二，對N個所述人臉圖片進行深度學習，建立學習模型；

步驟三，將輸入的視頻流與所述學習模型比對，對視頻人臉進行采集形成人臉圖片；先將視頻流截取帶有人臉的圖片，并在所述圖片識別出人眼區域圖像、鼻子區域圖形、嘴巴區域圖形，并定位出兩個眼睛、鼻子、嘴巴的中心位置，將人眼區域圖像的兩眼位置對齊在同一水平線上、兩個眼睛、鼻子、嘴巴的中心位置在同一垂直線上進行旋轉和/或平移處理圖片，通過矩形框式裁剪所述圖像形成人臉圖片，所述矩形框垂直中心線對準兩眼之間的中心位置；

步驟四，從采集到的所述人臉圖片，提取人臉特征點數據；

步驟五，將該人臉特征點數據與數據庫中已存儲的人臉特征點數據進行比對，判斷該人臉特征點數據與數據庫中已存儲的人臉特征點數是否相似，若相似，則調取數據庫已存儲的人臉特征點對應的人臉樣本信息，否則，結束。

上述基于深度學習的人臉快速識別方法，通過卷積神經網絡中的深度學習模型定位人臉圖像中的人臉特征點數據。

進一步地，所述人臉特征點包括器官特征點和輪廓特征點以及器官位置點。

上述基于深度學習的人臉快速識別方法的步驟四中，提取人臉特征點數據前，將采集到的所述人臉圖片的圖片分辨率調整為人臉樣本圖片相同的分辨率。