【技术实现步骤摘要】
一种嵌入式平台的人脸识别方法及系统
本专利技术涉及人脸识别
，具体的，涉及一种嵌入式平台的人脸识别方法以及应用于该方法的系统。
技术介绍
人脸识别技术是跨图像处理、模式识别等多学科的技术，通过利用计算机对人脸图像进行处理和分析，获取有效特征信息，进行身份识别。相比其它生物识别技术，人脸识别具有采集的非接触性、非强制性、操作简单、结果直观、隐蔽性好等特点，更为人们所接受。人脸是一个包含着丰富信息的模式的集合，是人类互相辩证和识别的主要标志之一，也是图像和视频中视觉感兴趣的对象之一。与指纹、虹膜、语音等其他人体生物特征相比，人脸识别更加直接，无需干扰人们的正常行为就能较好的达到识别效果。早期的人脸识别基于几何特征和统计特征，在实际的应用场景中受到环境的光照、人脸角度等因素影响较大，其准确率和稳定性使其应用场合受到很大限制。目前，随着深度学习在人脸识别中的引入，算法的准确率已经大幅提高，可以支持大部分实际应用。然而，深度学习的计算量巨大，目前复杂的人脸识别任务主要依赖云计算的支持。人脸识别产品的向着成...
【技术保护点】
1.一种嵌入式平台的人脸识别方法，其特征在于，包括：/n获取外围设备采集到的人脸图像信息，并对所述人脸图像信息进行预处理；/n构建特征融合网络，并建立人脸特征识别模型；/n将预处理后的人脸图像信息A和人脸图像信息B输入到特征融合网络中，且通过训练好的人脸特征识别模型对人脸图像信息A和人脸图像信息B进行特征向量提取；/n获取人脸图像信息A的人脸特征向量F
【技术特征摘要】
1.一种嵌入式平台的人脸识别方法，其特征在于，包括：
获取外围设备采集到的人脸图像信息，并对所述人脸图像信息进行预处理；
构建特征融合网络，并建立人脸特征识别模型；
将预处理后的人脸图像信息A和人脸图像信息B输入到特征融合网络中，且通过训练好的人脸特征识别模型对人脸图像信息A和人脸图像信息B进行特征向量提取；
获取人脸图像信息A的人脸特征向量F1和人脸图像信息B的人脸特征向量F2；
计算人脸特征向量F1和人脸特征向量F2之间的余弦距离，并根据所述余弦距离输出识别结果。
2.根据权利要求1所述的人脸识别方法，其特征在于，所述对所述人脸图像信息进行预处理，包括：
将所述人脸图像信息输入至人脸检测网络中进行人脸检测，检测出所述人脸图像信息中人脸所在的区域及人脸上包括左眼、右眼、鼻子、左嘴角和右嘴角五个关键点的坐标，并且根据五个关键点坐标进行仿射变换，即可得到校正后的人脸识别切图，其中，所述人脸检测网络为MTCNN网络。
3.根据权利要求1所述的人脸识别方法，其特征在于，所述构建特征融合网络，包括：
所述特征融合网络为MobileNetV2深度网络。
4.根据权利要求1至3任一项所述的人脸识别方法，其特征在于，所述建立人脸特征识别模型，具体包括：
构建MS-Celeb-1M数据集作为人脸训练数据集，将人脸训练数据集输入到softmax损失函数进行训练，并通过ArcFace损失函数进行训练得到预训练模型；将采集到的亚洲人脸数据集对预训练模型通过ArcFace损失函数进行训练，进而获得人脸特征识别模型。
5.根据权利要求1至3任一项所述的人脸识别方法，其特征在于，所述根据所述余弦距离输出识别结果，包括：
若所述余弦距离大于人脸相似度阈值，则确定人脸图像信息A和人脸图像信息B为同一个人，若所述余弦距离小于人脸相似度阈值，则确定人脸图像信息A和人脸图像信息B为不同人。
6.一种嵌入式平台的人脸识别系统，其特征在于，包括：
预处...
【专利技术属性】
技术研发人员：安民洙，葛晓东，林玉娟，姜贺，梁立宏，
申请(专利权)人：广东光速智能设备有限公司，
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。