[發(fā)明專利]基于深度學(xué)習(xí)的人臉識(shí)別方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201910658687.0
• 申請(qǐng)日: 2019-07-19
• 公開（公告）號(hào): CN110516544A
• 公開（公告）日: 2019-11-29
• 發(fā)明（設(shè)計(jì)）人: 黃秋鳳;李珊珊
• 申請(qǐng)（專利權(quán)）人: 平安科技(深圳)有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 44347 深圳市沃德知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙)
• 代理人: 高杰;于志光<國際申請(qǐng)>=<國際公布>=

本發(fā)明涉及一種人工智能技術(shù)，揭露了一種基于深度學(xué)習(xí)的人臉識(shí)別方法，包括：基于爬蟲技術(shù)從網(wǎng)頁中獲取人臉圖像數(shù)據(jù)，組成原始人臉圖像集，根據(jù)Gabor濾波器提取所述原始人臉圖像集的人臉特征得到人臉特征集，根據(jù)下采樣技術(shù)對(duì)所述人臉特征集進(jìn)行降維處理形成人臉特征向量集，將所述人臉特征向量集輸入至預(yù)先構(gòu)建的卷積神經(jīng)網(wǎng)絡(luò)模型中訓(xùn)練，直至所述卷積神經(jīng)網(wǎng)絡(luò)內(nèi)的損失函數(shù)值小于預(yù)設(shè)閾值時(shí)退出訓(xùn)練，接收用戶人臉圖片，并將所述用戶人臉圖片輸入至所述卷積神經(jīng)網(wǎng)絡(luò)中進(jìn)行人臉識(shí)別，并輸出識(shí)別結(jié)果。本發(fā)明還提出一種基于深度學(xué)習(xí)的人臉識(shí)別裝置以及一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。本發(fā)明可以實(shí)現(xiàn)高效精準(zhǔn)的人臉識(shí)別。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，尤其涉及一種基于Gabor濾波器與卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

人臉識(shí)別是基于人的臉部特征信息進(jìn)行身份識(shí)別的一種生物識(shí)別技術(shù)。目前人臉識(shí)別技術(shù)主要用攝像機(jī)等攝像裝備采集含有人臉的圖像或視頻流，并自動(dòng)在圖像中檢測(cè)人臉，進(jìn)而對(duì)檢測(cè)到的人臉進(jìn)行臉部識(shí)別的一系列相關(guān)操作。人臉識(shí)別的過程就是對(duì)標(biāo)準(zhǔn)的人臉圖像進(jìn)行特征提取和對(duì)特征進(jìn)行識(shí)別的過程。因此所提取到的人臉圖像特征的質(zhì)量直接影響著最終的識(shí)別準(zhǔn)確率，同時(shí)識(shí)別模型對(duì)人臉識(shí)別準(zhǔn)確率也起到至關(guān)重要的影響。但目前多數(shù)的特征提取主要靠人工提取特征，該方法受很多因素的制約，且目前識(shí)別模型都基于傳統(tǒng)機(jī)器學(xué)習(xí)算法，因此總體來說，人臉識(shí)別效果不理想、識(shí)別精度不高。

發(fā)明內(nèi)容

本發(fā)明提供一種基于深度學(xué)習(xí)的人臉識(shí)別方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其主要目的在于當(dāng)用戶輸入人臉圖片或視頻時(shí)，從所述人臉圖片或視頻中精準(zhǔn)的識(shí)別出人臉結(jié)果。

為實(shí)現(xiàn)上述目的，本發(fā)明提供的一種基于深度學(xué)習(xí)的人臉識(shí)別方法，包括：

基于爬蟲技術(shù)從網(wǎng)頁中獲取人臉圖像數(shù)據(jù)，組成原始人臉圖像集；

根據(jù)Gabor濾波器提取所述原始人臉圖像集的人臉特征得到人臉特征集，根據(jù)下采樣技術(shù)對(duì)所述人臉特征集進(jìn)行降維處理形成人臉特征向量集；

將所述人臉特征向量集輸入至預(yù)先構(gòu)建的卷積神經(jīng)網(wǎng)絡(luò)模型中訓(xùn)練，直至所述卷積神經(jīng)網(wǎng)絡(luò)內(nèi)的損失函數(shù)值小于預(yù)設(shè)閾值時(shí)退出訓(xùn)練；

接收用戶人臉圖片，并將所述用戶人臉圖片輸入至所述卷積神經(jīng)網(wǎng)絡(luò)中進(jìn)行人臉識(shí)別，并輸出識(shí)別結(jié)果。

可選地，所述網(wǎng)頁包括ORL人臉數(shù)據(jù)庫、Yale人臉數(shù)據(jù)庫、AR人臉數(shù)據(jù)庫、和/或FERET人臉數(shù)據(jù)庫的網(wǎng)頁。

可選地，所述根據(jù)Gabor濾波器提取所述原始人臉圖像集的人臉特征得到人臉特征集，包括：

由若干個(gè)Gabor濾波器組成的Gabor濾波器組接收所述原始人臉圖像集；

所述Gabor濾波器組依次與所述原始人臉圖像集內(nèi)的圖片做第一卷積操作得到Gabor特征；

將每次第一卷積操作得到的Gabor特征組成集合得到所述人臉特征集。

可選地，所述第一卷積操作為：

O_y,u,v(x₁,x₂)＝M(x₁,x₂)*φ_y,u,v(z)

其中，O_y,u,v(x₁,x₂)為所述Gabor特征，M(x₁,x₂)為所述原始人臉圖像集內(nèi)的圖片的像素值坐標(biāo)，φ_y,u,v(z)為卷積函數(shù)，z為卷積算子，y,u,v代表圖片的三個(gè)分量，其中y為圖片明亮度、u,v為圖片的色度。