人脸识别方法、终端设备及计算机可读存储介质技术

本发明专利技术公开了一种人脸识别方法，包括：当接收到用户触发的人脸识别指令时，开启摄像头采集现场画面；采用adaboost算法和卷积神经网络算法检测所述现场画面中的各帧画面的人脸图像；若检测到人脸图像，则使用预设的人脸特征提取模型提取人脸图像的特征信息；将特征信息传输至服务器，以供服务器根据预存的人脸数据库与特征信息识别出人脸身份，其中，人脸数据库中存储有人脸用户的身份信息与所述人脸用户的特征信息；及接收服务器返回的人脸身份识别结果。本发明专利技术还提供一种终端设备及计算机可读存储介质。本发明专利技术提供的人脸识别方法、终端设备及计算机可读存储介质无需在特定位置安装高清摄像头，可以随时随地识别人脸，节省了成本。

【技术实现步骤摘要】
人脸识别方法、终端设备及计算机可读存储介质
本专利技术涉及人脸识别领域，尤其涉及一种人脸识别方法、终端及计算机可读存储介质。
技术介绍
现有的人脸识别技术一般都需要在特定位置部署高清摄像头采集人脸图像，然后将采集到的人脸图像输入至服务器实时搜索比对人脸库，实现人脸识别锁定身份。现有的人脸识别系统需要在特定位置安装高清摄像头，从而造成现有的人脸识别系统成本较高，以及只有用户出现在特定位置时才能对用户的身份进行识别。
技术实现思路
有鉴于此，本专利技术提出一种人脸识别方法、终端设备及计算机可读存储介质，无需在特定位置安装高清摄像头，可以随时随地识别人脸，节省了成本。首先，为实现上述目的，本专利技术提出一种终端设备，所述终端设备包括摄像头、通讯模块、存储器、处理器，所述存储器上存储有可在所述处理器上运行的人脸识别系统，所述人脸识别系统被所述处理器执行时实现如下步骤：当接收到用户触发的人脸识别指令时，开启摄像头采集现场画面；采用adaboost算法和卷积神经网络算法检测所述现场画面中的各帧画面的人脸图像；若检测到人脸图像，则使用预设的人脸特征提取模型提取所述人脸图像的特征信息；将所述特征信息传输本文档来自技高网...

【技术保护点】
1.一种人脸识别方法，应用于终端设备，其特征在于，所述方法包括：当接收到用户触发的人脸识别指令时，开启摄像头采集现场画面；采用adaboost算法和卷积神经网络算法检测所述现场画面中的各帧画面的人脸图像；若检测到人脸图像，则使用预设的人脸特征提取模型提取所述人脸图像的特征信息；将所述特征信息传输至服务器，以供服务器根据预存的人脸数据库与所述特征信息识别出人脸身份，其中，所述人脸数据库中存储有人脸用户的身份信息与所述人脸用户的特征信息；及接收所述服务器返回的人脸身份识别结果。

【技术特征摘要】
1.一种人脸识别方法，应用于终端设备，其特征在于，所述方法包括：当接收到用户触发的人脸识别指令时，开启摄像头采集现场画面；采用adaboost算法和卷积神经网络算法检测所述现场画面中的各帧画面的人脸图像；若检测到人脸图像，则使用预设的人脸特征提取模型提取所述人脸图像的特征信息；将所述特征信息传输至服务器，以供服务器根据预存的人脸数据库与所述特征信息识别出人脸身份，其中，所述人脸数据库中存储有人脸用户的身份信息与所述人脸用户的特征信息；及接收所述服务器返回的人脸身份识别结果。2.如权利要求1所述的人脸识别方法，其特征在于，所述人脸识别方法还包括：对检测到的人脸图像依据预设的眨眼识别模型进行识别，以识别出检测到的人脸图像是否为真人图像，若识别出为真人图像，则执行使用预设的人脸特征提取模型提取所述人脸图像的特征信息的步骤，若识别出不为真人图像，则不执行使用预设的人脸特征提取模型提取所述人脸图像的特征信息的步骤。3.如权利要求1所述的人脸识别方法，其特征在于，所述使用预设的人脸特征提取模型提取所述人脸图像的特征信息步骤之前还包括：利用深度学习算法建立特征提取模型，并根据人脸样本对所述特征提取模型进行训练以得到所述人脸特征提取模型；所述使用预设的人脸特征提取模型提取所述人脸图像的特征信息的步骤包括：将所述人脸图像转换为需求特征向量；及将所述需求特征向量输入至所述人脸特征提取模型，以得到所述人脸图像的特征信息。4.如权利要求1至3任一项所述的人脸识别方法，其特征在于，所述接收所述服务器返回的人脸身份识别结果的步骤之后，还包括：判断所述识别结果是否为预设用户，所述预设用户为带有标记的用户；及若所述识别结果为预设用户，则发送告警信息至管理者。5.如权利要求1至3任一项所述的人脸识别方法，其特征在于，所述人脸识别方法还包括：将采集到的画面实时上传至指挥中心，以供指挥中心的用户远程查看当前画面，其中，采集到的画面中包括画面发生的位置信息。6.一种终端设备，其特征在于，所述终...

【专利技术属性】
技术研发人员：刘波红，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44