[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

本發明公開了一種深度學習模型下的人臉特征數據庫構建和更新方法，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；步驟(5)、人臉特征數據庫更新，該方法減少了由于待識別人員化妝，發型，側臉等問題帶來的干擾，提高了識別設備的準確率和效率。

技術領域

本發明涉及計算機視覺、人臉識別領域，特別是涉及一種適用于深度學習模型下的人臉特征數據庫構建和更新方法。

背景技術

近年來隨著神經網絡，深度學習等不斷發展，計算機視覺取得了很大的進步，同時也給人類生活帶來了諸多便捷。現在以人臉識別為核心的設備被廣泛應用，例如小區的人臉識別門禁系統，公司和學校的考勤系統等。在這些系統中，人臉特征數據庫都是比不可少的，但是傳統的人臉特征數據庫作用單一，僅僅用來存放人臉的特征向量，其對于人臉識別設備的識別效果并沒有影響。同時人臉識別設備在應用時總是面臨由于化妝，發型遮擋，側臉等帶來的識別干擾。

發明內容

本發明的目的是為了克服現有技術中的不足，進一步開發人臉識別中人臉特征數據庫的作用，針對現有技術中存在的人臉識別設備的識別效果易受待識別人員化妝，遮擋，側臉等干擾，通過提出一種數據庫構建和更新方法來有效解決以上問題。

本發明的目的是通過以下技術方案實現的：

一種適用于深度學習模型下的人臉特征數據庫構建和更新方法，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；

步驟(5)、人臉特征數據庫更新。

進一步的，步驟(1)包括以下步驟：

步驟(101)、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；

步驟(102)、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。

進一步的，步驟(2)具體包括以下處理過程：

步驟(201)、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(左右側各一張)，一張小幅度抬頭照片和一張小幅度低頭照片；

步驟(202)、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。

進一步的，所述步驟(3)具體包括以下處理過程：

步驟(301)、使用人臉識別模型對待識別人臉提取特征。

步驟(302)、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。

進一步的，所述步驟(4)具體包括以下處理步驟：

步驟(401)、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；

步驟(402)、在上次人臉識別失敗后繼續進行識別，(實際情況下為了成功識別，待識別人員會調整臉部位置和姿態)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；