[發(fā)明專利]一種基于深度學(xué)習(xí)的人臉識別方法

在審

• 申請?zhí)枺?/td>: 202010422052.3
• 申請日: 2020-05-18
• 公開（公告）號: CN111563476A
• 公開（公告）日: 2020-08-21
• 發(fā)明（設(shè)計(jì)）人: 宋清昆;許國安
• 申請（專利權(quán)）人: 哈爾濱理工大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于深度學(xué)習(xí)的人臉識別方法，其特征在于：它的方法為：基于深度學(xué)習(xí)的人臉識別系統(tǒng)，同時(shí)基于一種性能良好的CNN模型建立起來的，通過構(gòu)建訓(xùn)練CNN人臉識別模型，在通過OpenCV人臉識別檢測模型在線獲取人臉的數(shù)據(jù)圖像，最后再將的到的圖像數(shù)據(jù)傳入構(gòu)建好的數(shù)據(jù)模型進(jìn)行鑒別人臉身份；通過參考 Res Net網(wǎng)絡(luò)結(jié)構(gòu)，再引入Dense Net稠密連接結(jié)構(gòu)，并且在網(wǎng)絡(luò)中引入批歸一化與Dropout改善網(wǎng)絡(luò)，進(jìn)一步緩解過擬合，梯度訓(xùn)練選擇 Adam優(yōu)化算法，激活函數(shù)選擇Re LU，構(gòu)造本文的CNN模型；結(jié)合Open CV的分類器完成檢測人臉工作，設(shè)計(jì)在線式人臉識別系統(tǒng)。

2.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的人臉識別方法，其特征在于：所述構(gòu)建訓(xùn)練CNN人臉識別模型為在CNN模型的基礎(chǔ)上，分析其傳統(tǒng)模型的優(yōu)缺點(diǎn)，進(jìn)而設(shè)計(jì)的CNN模型，以及選擇的輸入、卷積部分、池化部分、全連接層，確定選擇的損失函數(shù)，并對梯度優(yōu)化函數(shù)進(jìn)行實(shí)驗(yàn)對比，進(jìn)而選擇性能最好的優(yōu)化方法；通過參考Res Net 結(jié)構(gòu)，引入DenseNet稠密連接，保證特征信息的一定流通與較少的冗余，設(shè)計(jì)符合的CNN模型；然后就CASIA-webface數(shù)據(jù)集進(jìn)行CNN模型人臉識別仿真，驗(yàn)證所設(shè)計(jì)的 CNN 模型識別效果好，可用于在線式人臉識別系統(tǒng)，為最后的在線式人臉識別系統(tǒng)設(shè)計(jì)做鋪墊。

3.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的人臉識別方法，其特征在于：所述人臉識別系統(tǒng)設(shè)計(jì)包括三部分：基于Open CV的人臉檢測部分、模糊圖片過濾部分與基于CNN的人臉識別部分,調(diào)用Haar Cascade分類器實(shí)現(xiàn)人臉檢測，并通過模糊圖片檢測算法去除模糊圖片，最后利用訓(xùn)練好的CNN人臉識別模型判別人臉身份，并對搭建的人臉識別系統(tǒng)進(jìn)行測試，并進(jìn)行性能分析。