基于改进残差神经网络的便携式单兵人脸识别装置制造方法及图纸

本发明专利技术提出了一种基于改进残差神经网络的便携式单兵人脸识别装置，用于对识别对象的人脸进行识别，该装置包括：基准特征存储部，存储有多个识别对象的身份信息、多个身份信息编号以及多个基准人脸特征组；图像采集部，对当前状态的识别对象进行人脸图像采集得到人脸图像；人脸检测部，对人脸图像进行检测得到人脸位置信息和多个人脸特征点位置信息；图像处理部，对人脸图像进行图像处理得到处理后人脸图像；特征提取部，基于改进残差神经网络模型对处理后人脸图像进行人脸特征提取得到人脸特征组；特征比对部，将人脸特征组与多个基准人脸特征组进行对比得到当前身份信息编号；以及身份信息获取部，获取得到当前状态的识别对象的身份信息。

A portable personal face recognition device based on improved residual neural network

【技术实现步骤摘要】
基于改进残差神经网络的便携式单兵人脸识别装置
本专利技术属于机器学习领域，涉及人脸识别装置，具体涉及一种基于改进残差神经网络的便携式单兵人脸识别装置。
技术介绍
人脸识别是利用人类脸部的生物特征信息，通过一定的技术识别对应人的身份，例如，获得目标人物的人脸图像后从大量待判定的人脸图像中判定出与该目标人物一致人脸图像。人脸识别在计算机视觉与模式识别领域是一项重要的研究工作，也具有丰富的实际生活应用场景，如社区安防、罪犯追逃、移动支付等等。人脸识别技术的发展已有数十年，早些年的许多相关的机器学习算法被提出，包括基于几何特征的方法和基于统计的方法等等。不过，受到光照亮度、呈现姿态、面部妆容以及环境遮挡等问题的影响，这些早期的机器学习方法识别精度都不理想，一旦环境或人物妆容发生较大变化，则难以准确地进行人脸识别。近几年中，基于卷积神经网络的方法被广泛用于人脸识别上，并取得了较好的识别精度。其主要流程为利用训练集对卷积神经网络进行训练，并采用训练好的卷积神经网络进行特征提取获得目标图像以及待判定图像的向量，再通过基于向量的相似度判定方法，即可将相似度最高的待判定图像判定为目标人物。由于人脸图像较为复杂、相关特征难以准确表示，而各种卷积神经网络模型及算法中，基于残差学习机制的卷积神经网络具有良好的学习能力和泛化能力，因此能够适用于人脸识别任务。目前主流的人脸识别装置都是基于前端负责采集图像，通过网络等手段将采集到的图像发送给后台，然后后台再进行图像的处理以及人脸的识别与检测，最后将结果发送给前端装置进行反馈。在整个流程中，处理速度的瓶颈主要是在于图像的传输过程中，处理的快慢非常依赖于网络的质量，导致在网络不佳的环境中，整个系统都无法正常的工作；在整个流程中，当图像采集的信息是十分敏感的情况下，通过网络传输会让信息面临泄漏的风险。针对上述关于网络传输的安全与网络质量要求高的问题，目前亟需寻求一个能够在终端装置上既进行图像的采集又进行图像的处理以及人脸识别的系统，从而摆脱对于网络依赖，达到令人满意的处理速度，避免图像信息在传输过程中泄漏的风险。
技术实现思路
为了克服上述的问题，提供一种能够在便携式终端装置上完成人脸识别的一整套流程的方法及系统，本专利技术采用了如下技术方案：本专利技术提供了一种基于改进残差神经网络的便携式单兵人脸识别装置，用于对识别对象的人脸进行识别，其特征在于，包括：基准特征存储部，存储有多个识别对象的身份信息、与多个识别对象分别相对应的多个身份信息编号以及与多个身份信息编号分别相对应的多个基准人脸特征组，每个基准人脸特征组包括对应的识别对象的多个基准人脸特征；图像采集部，对当前状态的识别对象进行人脸图像采集得到人脸图像；人脸检测部，对人脸图像进行检测得到人脸位置信息并基于该人脸位置信息检测得到与多个基准人脸特征分别相对应的多个人脸特征点位置信息；图像处理部，根据多个人脸特征点位置信息对人脸图像进行图像处理得到处理后人脸图像；特征提取部，基于改进残差神经网络模型根据多个人脸特征点位置信息对处理后人脸图像进行人脸特征提取得到含有与多个人脸特征点位置信息分别相对应的多个人脸特征的人脸特征组；特征比对部，将人脸特征组与多个基准人脸特征组进行对比得到当前状态的识别对象的身份信息编号作为当前身份信息编号；以及身份信息获取部，根据当前身份信息编号获取相对应的身份信息作为当前状态的识别对象的身份信息。本专利技术提供的基基于改进残差神经网络的便携式单兵人脸识别装，还可以具有这样的技术特征，其中，改进残差神经网络模型由依次连接的卷积单元、残差计算单元以及全连接单元构成，卷积单元包含第一卷积部件，残差计算单元具有第一残差计算部件、第二残差计算部件、第三残差计算部件以及第四残差计算部件，第一残差计算部件包含三个残差计算子部件，第二残差计算模块包含十三个残差计算子部件，第三残差计算模块包含十个残差计算子部件，第四残差计算模块包含三个残差计算子部件，全连接单元包含第一全连接部件。本专利技术提供的基基于改进残差神经网络的便携式单兵人脸识别装，还可以具有这样的技术特征，还包括：图像筛选部以及控制部，其中，图像筛选部具有图像模糊指数计算单元以及模糊指数判断单元，图像模糊指数计算单元按照拉普拉斯变换对处理后人脸图像进行分析得到图像模糊指数，模糊指数判断单元将图像模糊指数与预定的模糊指数阈值进行比较，判断图像模糊指数是否小于等于模糊指数阈值，当图像模糊指数小于等于模糊指数阈值时，控制部控制特征提取部对处理后人脸图像进行人脸特征提取得到人脸特征组，当图像模糊指数大于模糊指数阈值时，控制部控制图像采集部对当前状态的识别对象重新进行人脸图像采集得到当前的人脸图像。本专利技术提供的基基于改进残差神经网络的便携式单兵人脸识别装，还可以具有这样的技术特征，其中，人脸检测部具有人脸位置检测单元以及人脸特征点位置检测单元，人脸位置检测单元对人脸图像中进行检测得到人脸位置信息，人脸特征点位置检测单元基于该人脸位置信息对包括双眼中心、鼻头以及两侧嘴角的人脸特征点进行检测得到与多个基准人脸特征分别相对应的多个人脸特征点位置信息。本专利技术提供的基基于改进残差神经网络的便携式单兵人脸识别装，还可以具有这样的技术特征，其中，图像处理部包含对齐处理单元、尺寸统一单元以及中心裁剪单元，对齐处理单元按照仿射变换矩阵根据多个人脸特征点位置信息对人脸图像进行处理得到对齐预处理后人脸图像，尺寸统一单元对对齐预处理后人脸图像进行尺寸统一化处理得到尺寸统一化预处理后人脸图像；中心裁剪单元对尺寸统一化预处理后人脸图像进行中心剪裁处理得到处理后人脸图像。本专利技术提供的基基于改进残差神经网络的便携式单兵人脸识别装，还可以具有这样的技术特征，其中，特征比对部包括基准特征读取单元、余弦相似度计算单元以及身份信息序号输出单元，基准特征读取单元读取基准特征存储部中的各个基准人脸特征组，余弦相似度计算单元按照预定计算公式将人脸特征组与多个基准人脸特征组进行余弦相似度计算，得到多个余弦相似度，身份信息序号输出单元将最高的余弦相似度作为最高余弦相似度输出并将该最高余弦相似度对应的身份信息编号作为当前身份信息编号输出。本专利技术提供的基基于改进残差神经网络的便携式单兵人脸识别装，还可以具有这样的技术特征，其中，预定计算公式见下式(1)：xi为基准人脸特征组中的第i个基准人脸特征，yi为人脸特征组中的第i个人脸特征，n为基准人脸特征组中包含的基准人脸特征的数量。本专利技术提供的基基于改进残差神经网络的便携式单兵人脸识别装，还可以具有这样的技术特征，还包括：画面生成部以及显示部，其中，一旦身份信息获取部获取得到当前状态的识别对象的身份信息，画面生成部就生成包含有该身份信息和人脸图像的身份信息显示画面，显示部显示对应的身份信息显示画面。本专利技术提供的基基于改进残差神经网络的便携式单兵人脸识别装，还可以具有这样的技术特征，识别数据生成部以及识别数据存储部，其中，一旦身份信息获取部判定得到当前状态的识别对象的身份信息，识别数据生成部就对该身份信息以及人脸本文档来自技高网...

【技术保护点】
1.一种基于改进残差神经网络的便携式单兵人脸识别装置，用于对识别对象的人脸进行识别，其特征在于，包括：/n基准特征存储部，存储有多个识别对象的身份信息、与多个所述识别对象分别相对应的多个身份信息编号以及与多个所述身份信息编号分别相对应的多个所述基准人脸特征组，每个所述基准人脸特征组包括对应的所述识别对象的多个基准人脸特征；/n图像采集部，对当前状态的所述识别对象进行人脸图像采集得到人脸图像；/n人脸检测部，对所述人脸图像进行检测得到人脸位置信息并基于该人脸位置信息检测得到与多个所述基准人脸特征分别相对应的多个人脸特征点位置信息；/n图像处理部，根据多个所述人脸特征点位置信息对所述人脸图像进行图像处理得到处理后人脸图像；/n特征提取部，基于改进残差神经网络模型根据多个所述人脸特征点位置信息对所述处理后人脸图像进行人脸特征提取得到含有与多个所述人脸特征点位置信息分别相对应的多个人脸特征的人脸特征组；/n特征比对部，将所述人脸特征组与多个所述基准人脸特征组进行对比得到当前状态的所述识别对象的所述身份信息编号作为当前身份信息编号；以及/n身份信息获取部，根据所述当前身份信息编号获取相对应的所述身份信息作为当前状态的所述识别对象的所述身份信息。/n...

【技术特征摘要】
1.一种基于改进残差神经网络的便携式单兵人脸识别装置，用于对识别对象的人脸进行识别，其特征在于，包括：
基准特征存储部，存储有多个识别对象的身份信息、与多个所述识别对象分别相对应的多个身份信息编号以及与多个所述身份信息编号分别相对应的多个所述基准人脸特征组，每个所述基准人脸特征组包括对应的所述识别对象的多个基准人脸特征；
图像采集部，对当前状态的所述识别对象进行人脸图像采集得到人脸图像；
人脸检测部，对所述人脸图像进行检测得到人脸位置信息并基于该人脸位置信息检测得到与多个所述基准人脸特征分别相对应的多个人脸特征点位置信息；
图像处理部，根据多个所述人脸特征点位置信息对所述人脸图像进行图像处理得到处理后人脸图像；
特征提取部，基于改进残差神经网络模型根据多个所述人脸特征点位置信息对所述处理后人脸图像进行人脸特征提取得到含有与多个所述人脸特征点位置信息分别相对应的多个人脸特征的人脸特征组；
特征比对部，将所述人脸特征组与多个所述基准人脸特征组进行对比得到当前状态的所述识别对象的所述身份信息编号作为当前身份信息编号；以及
身份信息获取部，根据所述当前身份信息编号获取相对应的所述身份信息作为当前状态的所述识别对象的所述身份信息。


2.根据权利要求1所述的基于改进残差神经网络的便携式单兵人脸识别装置，其特征在于:
其中，所述改进残差神经网络模型由依次连接的卷积单元、残差计算单元以及全连接单元构成，
所述卷积单元包含第一卷积部件，
所述残差计算单元具有第一残差计算部件、第二残差计算部件、第三残差计算部件以及第四残差计算部件，
所述第一残差计算部件包含三个残差计算子部件，
所述第二残差计算模块包含十三个残差计算子部件，
所述第三残差计算模块包含十个残差计算子部件，
所述第四残差计算模块包含三个残差计算子部件，
所述全连接单元包含第一全连接部件。


3.根据权利要求1所述的基于改进残差神经网络的便携式单兵人脸识别装置，其特征在于，还包括：
图像筛选部以及控制部，
其中，所述图像筛选部具有图像模糊指数计算单元以及模糊指数判断单元，
所述图像模糊指数计算单元按照拉普拉斯变换对所述处理后人脸图像进行分析得到图像模糊指数，
所述模糊指数判断单元将所述图像模糊指数与预定的模糊指数阈值进行比较，判断所述图像模糊指数是否小于等于所述模糊指数阈值，
当所述图像模糊指数小于等于所述模糊指数阈值时，所述控制部控制所述特征提取部对所述处理后人脸图像进行人脸特征提取得到所述人脸特征组，
当所述图像模糊指数大于所述模糊指数阈值时，所述控制部控制所述图像采集部对当前状态的所述识别对象重新进行人脸图像采集得到当前的人脸图像。


4.根据权利要求1所述的基于改进残差神经网络的便携式单兵人脸识别装置，其特征在于:
其中，所述人脸检测部具有人脸位置检测单元以及人脸特征点位置检测单元，
所述...

【专利技术属性】
技术研发人员：肖楚荣，姚俊荣，邵鹏，冯瑞，杜国君，
申请(专利权)人：复钧智能科技苏州有限公司，苏州市公安局，
类型：发明
国别省市：江苏;32