[發明專利]一種深度學習模型下的人臉特征數據庫構建和更新方法

在審

• 申請號: 202010589531.4
• 申請日: 2020-06-24
• 公開（公告）號: CN111859000A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 蘇寒松;劉騰騰;劉高華
• 申請（專利權）人: 天津大學
• 主分類號: G06F16/583
• 分類號: G06F16/583;G06K9/00
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 韓帥

1.一種深度學習模型下的人臉特征數據庫構建和更新方法，其特征在于，該方法包括以下步驟：

步驟(1)、建立基礎人臉特征數據庫；

步驟(2)、在數據庫中添加基準人臉特征；

步驟(3)、使用人臉特征數據庫進行人臉比對；

步驟(4)、實時捕獲人臉特征過程；其中：

在人臉識別失敗時觸發人臉特征捕獲機制，將未能識別的人臉特征放入數據庫的緩存區；

在上次人臉識別失敗后繼續進行識別，若識別依舊失敗則將本次人臉特征放入數據庫的緩存區并將前一次的特征數據刪除；

在上次人臉識別失敗后繼續進行識別，若識別成功則將識別出的人員與緩存區的人臉特征對應，在緩存區與人員對應的特征將不再被刪除，下次識別失敗則添加新的緩存；

步驟(5)、人臉特征數據庫更新。

2.根據權利要求1所述的一種深度學習模型下的人臉特征數據庫構建和更新方法，其特征在于，步驟(1)包括以下步驟：

根據人臉識別設備所需識別的人數進行數據庫存儲空間分配，為每個人分配一個人臉特征數據子庫，同時設置人臉特征數據緩存區；

為每個人的人臉特征數據子庫分配20個人臉特征數據空間，即每人最多允許存在20組人臉特征數據。

3.根據權利要求1所述的一種深度學習模型下的人臉特征數據庫構建和更新方法，其特征在于，步驟(2)具體包括以下處理過程：

收集所需識別人員的臉部照片五張，其中一張正臉照，兩張小幅度側臉照，一張小幅度抬頭照片和一張小幅度低頭照片；

使用人臉識別模型對五張照片進行人臉特征提取，將提取到的特征放入對應人員名稱下。

4.根據權利要求1所述的一種深度學習模型下的人臉特征數據庫構建和更新方法，其特征在于，所述步驟(3)具體包括以下處理過程：

使用人臉識別模型對待識別人臉提取特征。

使用歐式距離或余弦距離將待識別的人臉特征與數據庫中的人臉特征進行對比，其中與待識別人臉特征最近且小于固定閾值的人臉特征對應的人員即為待識別人臉的身份，若大于閾值則識別為陌生人。

5.根據權利要求1所述的一種深度學習模型下的人臉特征數據庫構建和更新方法，其特征在于，步驟(5)具體包括以下處理步驟：

在設備不再進行人臉識別半小時后進入數據庫更新狀態，一旦檢測到有待識別人臉則立即突出數據庫更新狀態；

在數據庫更新狀態下，逐條讀取緩存區內所有與人員對應的人臉特征，通過歐式距離或余弦距離計算該人臉特征與數據庫中所有人的所有特征的距離；

若與該特征距離最小的人臉特征對應的人員與緩存區該特征對應的人員一致則將該特征寫入對應人員的人臉特征數據子庫，

若與該特征距離最小的人臉特征對應的人員與緩存區該特征對應的人員不一致則將該特征舍棄，并在緩存區中刪除。