[發明專利]一種人臉識別方法及后廚用看板系統

有效

• 申請號: 202310011425.1
• 申請日: 2023-01-05
• 公開（公告）號: CN115937956B
• 公開（公告）日: 2023-05-19
• 發明（設計）人: 何厚明;王競;王恩源
• 申請（專利權）人: 廣州蟻窩智能科技有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/44;G06V10/74;G06V10/80;G06V10/82;G06Q20/40;G06Q30/02;G06Q50/12
• 代理公司: 成都瑞創華盛知識產權代理事務所(特殊普通合伙) 51270
• 代理人: 辜強

1.一種人臉識別方法，其特征是：包括以下步驟：

S100、搭建用于識別人臉圖像的卷積神經網絡，所述卷積神經網絡中設有調維機構和多個順次連接的交替式特征提取機構；所述交替式特征提取機構內部操作過程表示為如下數學模型：

JZ1＝θ11(tov11(WI))

JZ2＝θ12(tov12(WI))

JZ3＝ch1(WI,JZ1,JZ2)

JZ4＝JZ3+us1(ds11(JZ1))

JZ5＝JZ3+us2(ds12(JZ2))

JZ6＝ds21(θ21(tov21(JZ4)))

JZ7＝ds22(θ22(tov22(JZ5)))

WO＝ch2(JZ6,JZ7)

其中，WI代表輸入所述交替式特征提取機構的特征圖，tov11、tov12、tov21和tov22均表示卷積運算，θ11、θ12、θ21和θ22均表示非線性激活函數，JZ1和JZ2分別為θ11和θ12激活后生成的特征圖，ch1和ch2分別表示第一融合模塊和第二融合模塊，JZ3為所述第一融合模塊輸出的特征圖，ds11、ds12、ds21、ds22分別表示第一下采樣模塊、第二下采樣模塊、第三下采樣模塊和第四下采樣模塊，us1和us2分別表示第一上采樣模塊和第二上采樣模塊，JZ4為JZ3特征圖加上第一上采樣模塊輸出特征圖后得到的特征圖，JZ5為JZ3特征圖加上第二上采樣模塊輸出特征圖后得到的特征圖，JZ6和JZ7分別表示第三下采樣模塊和第四下采樣模塊輸出的特征圖，WO代表交替式特征提取機構輸出的特征圖；

S200、利用訓練集對所述卷積神經網絡進行訓練，以調整所述卷積神經網絡中的參數；所述訓練集中包含帶有身份標簽的人臉圖像；

S300、獲取采集到的待識別人臉圖像，將所述待識別人臉圖像輸入步驟S200中訓練完成的卷積神經網絡，隨著所述待識別人臉圖像的信息依次經過各個所述交替式特征提取機構，各個所述交替式特征提取機構依次進行特征提取操作，直到最后一個所述交替式特征提取機構輸出核心特征圖；

S400、利用所述調維機構對所述核心特征圖的尺寸進行調整，然后生成得到特征向量；

S500、計算所述特征向量與已有的樣本向量之間的相似度，與所述特征向量最相似的樣本向量所對應的身份，即為所述待識別人臉圖像的身份；

所述第一融合模塊包括順次連接的第一拼接操作層、第一卷積層和第一激活層；所述第二融合模塊包括順次連接的第二拼接操作層、第二卷積層和第二激活層；

所述第三下采樣模塊輸出的特征圖先與所述第一下采樣模塊輸出的特征圖相加，然后再輸入所述第二融合模塊；所述第四下采樣模塊輸出的特征圖先與所述第二下采樣模塊輸出的特征圖相加，然后再輸入所述第二融合模塊；

所述第一下采樣模塊包括順次連接的第一跨步卷積層和第三激活層，所述第二下采樣模塊包括順次連接的第二跨步卷積層和第四激活層；

所述第一上采樣模塊包括順次連接的第三卷積層、第一亞像素卷積層和第五激活層，所述第二上采樣模塊包括順次連接的第四卷積層、第二亞像素卷積層和第六激活層。

2.根據權利要求1所述的人臉識別方法，其特征是：tov11的卷積核大小與tov12的卷積核大小不同，tov21的卷積核大小與tov22的卷積核大小不同。

3.根據權利要求1所述的人臉識別方法，其特征是：θ11、θ12、θ21和θ22均為ReLU函數。

4.根據權利要求1所述的人臉識別方法，其特征是：所述第三下采樣模塊和第四下采樣模塊均為池化操作層。

5.一種后廚用看板系統，包括處理器和存儲器，所述存儲器儲存有計算機程序，其特征是：所述處理器通過加載所述計算機程序，用于執行如權利要求1至4任一項所述的人臉識別方法。

6.根據權利要求5所述的后廚用看板系統，其特征是：還包括顯示設備，所述顯示設備與所述處理器電連接。