【技术实现步骤摘要】
基于TensorFlow构建的卷积神经网络热像人脸识别方法及系统
本专利技术属于热成像人脸识别领域，特别是涉及一种基于TensorFlow构建的卷积神经网络热像人脸识别方法，及一种基于TensorFlow构建的卷积神经网络热像人脸识别系统。
技术介绍
人脸识别特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别是模式识别、机器学习和计算机视觉领域最具挑战性的研究方向之一，是一个高维的模式识别问题。在可见光人脸识别领域，已有的研究要求待识别人是配合的，正面站在摄像头前，并且保持均匀的光照。然而，在实际的人脸识别里，人脸的姿态是非可控的，同时光照条件变化多端，人脸也会存在彼此遮挡，这些对人脸识别提出了很大的挑战。远红外人脸识别具有消除光照及阴影的影响、被动性、实现全天候识别等特点，成为弥补可见光人脸识别不足的重要研究方向之一。随着近年来，以深度学习为代表的机器学习异军突起，称为当前人工智能研究领域的热点，由于深度神经网络模型复杂，训练数据多，计算量大等缺点出现，使深度学习所使用的深度神经网络DNN(DeepNeuralNetworks)需要的参数量极大，...
【技术保护点】
1.一种基于TensorFlow构建的卷积神经网络热像人脸识别方法，其特征在于，包括如下步骤：步骤S1：注册热像人脸图像以及对应的真实人脸图像并构建人脸数据库；步骤S2：基于TensorFlow构造卷积神经网络训练出人脸数据库分类模型；步骤S3：视频设备采集人脸可见光图像和人脸热红外图像；步骤S4：采集到的图像进行边缘检测算法预处理；步骤S5：将处理后的图像进行通道叠加生成融合图像；步骤S6：对融合后的图像进行CNN特征向量提取；步骤S7：通过人脸数据库分类模型对CNN特征向量进行检索。
【技术特征摘要】
1.一种基于TensorFlow构建的卷积神经网络热像人脸识别方法，其特征在于，包括如下步骤：步骤S1：注册热像人脸图像以及对应的真实人脸图像并构建人脸数据库；步骤S2：基于TensorFlow构造卷积神经网络训练出人脸数据库分类模型；步骤S3：视频设备采集人脸可见光图像和人脸热红外图像；步骤S4：采集到的图像进行边缘检测算法预处理；步骤S5：将处理后的图像进行通道叠加生成融合图像；步骤S6：对融合后的图像进行CNN特征向量提取；步骤S7：通过人脸数据库分类模型对CNN特征向量进行检索。2.根据权利要求1所述的一种基于TensorFlow构建的卷积神经网络热像人脸识别方法，其特征在于，所述步骤S3中，人脸可见光图像为三通道图像，人脸热红外图像为单通道图像。3.根据权利要求1所述的一种基于TensorFlow构建的卷积神经网络热像人脸识别方法，其特征在于，所述步骤S4中，边缘检测算法预处理具体实现步骤如下：步骤S41：输入采集到的人脸可见光图像和人脸热红外图像；步骤S42：通过结构边缘检测算法得到边缘图像；步骤S43：通过NMS算法找到边锋得到相对稀疏的边缘图像；步骤S44：使用贪心策略对边缘点进行聚合，得到边缘线段组；步骤S45：计算边缘线段之间的相似度和权重，确定候选框内的轮廓；步骤S46：计算候选框的评分，并按照高低进行排序；步骤S47：输出得分最高的候选框。4.根据权利要求1所述的一种基于TensorFlow构建的卷积神经网络热像人脸识别方法，其特征在于，所述步骤S5中，通道叠加生成融合图像是将三通道可见光图像和单通道红外图像缩放到同一分辨率，将两幅图像分别进行归一化，归一化后的可见光图像作为融合图像的前三个通道，红外图像作为融合图像的第四个通道。...
【专利技术属性】
技术研发人员：陈云鹏，方宏华，
申请(专利权)人：合肥英威晟光电科技有限公司，
类型：发明
国别省市：安徽,34
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。