The present invention provides a method and device for recognizing user identity method includes: face detection images; the face images are input to the model of face recognition, the face recognition model to calculate the depth of the feature vector of face image; calculate each pre depth feature vector set of the depth vectors and pre the storage in the depth of the feature vector distance value, the depth of the stored feature vector group comprises a plurality of stored depth feature vector, the stored depth feature vector and the corresponding user identity information; determine the distance value corresponding to the minimum target pre deposit depth feature vector; the identity of user identity information as a user of the face image of the object is determined to stored depth corresponding feature vector. The invention improves the recognition rate and accuracy of the identification of the user by the robot.
【技术实现步骤摘要】
一种识别用户身份的方法和装置
本专利技术涉及人脸识别
,尤其涉及一种基于深度学习的机器人识别用户身份的方法和装置。
技术介绍
随着科学技术的高速发展,机器人制造技术也得以发展迅速,机器人的应用已逐步进入家庭服务行业。物业服务机器人是一种不受环境、温度的影响,能够动态地实现对用户身份识别的机器人,该类机器人需要在用户身份识别方面有卓越的辨识能力。因此,如何提高机器人识别用户身份的识别率、正确率非常关键。
技术实现思路
有鉴于此,本专利技术提供一种识别用户身份的方法和装置,以提高机器人识别用户身份的识别率、正确率。技术方案如下:基于本专利技术的一方面,本专利技术提供一种识别用户身份的方法,包括:检测人脸图片;将所述人脸图片输入至人脸识别模型,利用所述人脸识别模型计算得到所述人脸图片的深度特征向量;计算所述深度特征向量分别与预存的深度特征向量组中的每个预存深度特征向量之间的距离值,所述预存的深度特征向量组包括多个预存深度特征向量,所述预存深度特征向量与用户身份信息一一对应;确定出距离值最小时对应的目标预存深度特征向量;确定所述目标预存深度特征向量对应的用户身份信息为所述人脸图片中用户的身份。优选地,所述人脸识别模型为深度卷积神经网络DeepCNN人脸识别模型。优选地,所述检测人脸图片之前,所述方法还包括:基于大量的人脸数据,采用前向传播和后向传播的方法来训练所述大量的人脸数据,以得到所述DeepCNN人脸识别模型。优选地,所述计算所述深度特征向量分别与预存的深度特征向量组中的每个预存深度特征向量之间的距离值包括:采用最临近KNN最近距离算法计算所述深度特征向量 ...
【技术保护点】
一种识别用户身份的方法,其特征在于,包括:检测人脸图片;将所述人脸图片输入至人脸识别模型,利用所述人脸识别模型计算得到所述人脸图片的深度特征向量;计算所述深度特征向量分别与预存的深度特征向量组中的每个预存深度特征向量之间的距离值,所述预存的深度特征向量组包括多个预存深度特征向量,所述预存深度特征向量与用户身份信息一一对应;确定出距离值最小时对应的目标预存深度特征向量;确定所述目标预存深度特征向量对应的用户身份信息为所述人脸图片中用户的身份。
【技术特征摘要】
1.一种识别用户身份的方法,其特征在于,包括:检测人脸图片;将所述人脸图片输入至人脸识别模型,利用所述人脸识别模型计算得到所述人脸图片的深度特征向量;计算所述深度特征向量分别与预存的深度特征向量组中的每个预存深度特征向量之间的距离值,所述预存的深度特征向量组包括多个预存深度特征向量,所述预存深度特征向量与用户身份信息一一对应;确定出距离值最小时对应的目标预存深度特征向量;确定所述目标预存深度特征向量对应的用户身份信息为所述人脸图片中用户的身份。2.根据权利要求1所述的方法,其特征在于,所述人脸识别模型为深度卷积神经网络DeepCNN人脸识别模型。3.根据权利要求2所述的方法,其特征在于,所述检测人脸图片之前,所述方法还包括:基于大量的人脸数据,采用前向传播和后向传播的方法来训练所述大量的人脸数据,以得到所述DeepCNN人脸识别模型。4.根据权利要求1-3任一项所述的方法,其特征在于,所述计算所述深度特征向量分别与预存的深度特征向量组中的每个预存深度特征向量之间的距离值包括:采用最临近KNN最近距离算法计算所述深度特征向量分别与预存的深度特征向量组中的每个预存深度特征向量之间的距离值。5.一种...
【专利技术属性】
技术研发人员:苗振伟,周禄兵,黄巍伟,
申请(专利权)人:中新智擎有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。