[發(fā)明專利]基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉識別方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202010675730.7
• 申請日: 2020-07-14
• 公開（公告）號: CN111985323B
• 公開（公告）日: 2021-10-22
• 發(fā)明（設(shè)計）人: 李柯辰;何偉;李翔;汪凡;李偉;車志宏
• 申請（專利權(quán)）人: 珠海市卓軒科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/46;G06N3/04
• 代理公司: 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 葉琦煒

1.一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉識別方法，其特征在于，包括：

檢測裁剪步驟，接收人臉照片，基于MTCNN模型檢測所述人臉照片中的面部特征，獲得面部關(guān)鍵特征點(diǎn)的坐標(biāo)，以及，基于預(yù)設(shè)裁剪規(guī)則，根據(jù)所述面部關(guān)鍵特征點(diǎn)的坐標(biāo)確定截剪邊界，獲得裁剪圖片，其中所述裁剪圖片包括所述面部識別區(qū)域及圍繞所述面部識別區(qū)域的邊緣區(qū)域，包括：關(guān)鍵點(diǎn)提取步驟，根據(jù)所述人臉照片進(jìn)行多尺度變化，構(gòu)建圖像金字塔，在所述圖像金字塔中構(gòu)建多個候選框，通過多個級聯(lián)的卷積神經(jīng)網(wǎng)絡(luò)，基于邊框回歸和面部關(guān)鍵點(diǎn)的定位器對所述候選框進(jìn)行邊框回歸和關(guān)鍵點(diǎn)定位，按人臉部位存在的可能性逐級過濾所述候選框，篩選出存在人臉區(qū)域的所述候選框，生成面部識別區(qū)域，獲得面部關(guān)鍵特征點(diǎn)的坐標(biāo)；圖片裁剪步驟，根據(jù)所述面部關(guān)鍵特征點(diǎn)的坐標(biāo)，按預(yù)設(shè)裁剪規(guī)則對所述人臉照片進(jìn)行裁剪，其中所述預(yù)設(shè)裁剪規(guī)則中包括所述裁剪圖片的大小及所述裁剪圖片中的所述面部識別區(qū)域與裁剪邊框的距離，其中，所述裁剪圖片的分辨率大小為112×112，其中所述面部識別區(qū)域與裁剪邊框的距離為16；

人臉識別模型訓(xùn)練步驟，將100層的深度卷積神經(jīng)網(wǎng)絡(luò)ResNet作為主干網(wǎng)絡(luò)，通過MS-Celeb-1M人臉數(shù)據(jù)集執(zhí)行所述檢測裁剪步驟后，基于Arcface的損失函數(shù)對的人臉深度識別模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的所述人臉深度識別模型，并固定100層的參數(shù)權(quán)重；

特征提取步驟，基于訓(xùn)練好的所述人臉深度識別模型，根據(jù)所述裁剪圖片，獲取固定通道數(shù)的人臉特征向量；

年齡識別模型訓(xùn)練步驟，基于MORPH II人臉年齡數(shù)據(jù)集和FG-NET人臉年齡數(shù)據(jù)集，通過所述檢測裁剪步驟及所述特征提取步驟獲取所述人臉特征向量，對所述年齡識別模型進(jìn)行訓(xùn)練；

身份識別步驟，匹配所述人臉特征向量，根據(jù)相似度獲取所述人臉特征向量相應(yīng)的身份識別信息；

年齡識別步驟，根據(jù)所述人臉特征向量，基于多個年齡分類的年齡識別模型，得出所述年齡識別模型的每個年齡分類對應(yīng)的概率，并根據(jù)年齡分類及概率，得出識別年齡，計算方法為：N＝∑(n_i*p_i)，其中，N表示識別年齡，n_i表示第i個年齡分類對應(yīng)的年齡，p_i表示第i個年齡分類的概率。

2.根據(jù)權(quán)利要求1所述的基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉識別方法，其特征在于，所述年齡識別步驟包括：

將所述人臉特征向量作為輸入數(shù)據(jù)，根據(jù)所述年齡識別模型，得到所述年齡識別模型的每個所述年齡分類對應(yīng)的概率；

根據(jù)所述年齡分類及所述概率，得出所述識別年齡。

3.根據(jù)權(quán)利要求1所述的基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉識別方法，其特征在于，所述所述人臉特征向量的固定通道數(shù)為512維。