一种基于深度学习的人脸识别方法技术

本发明专利技术公开了一种基于深度学习的人脸识别方法，涉及人脸识别技术领域；它的方法为：基于一种性能良好的CNN模型建立起来的，通过构建训练CNN人脸识别模型，在通过OpenCV人脸识别检测模型在线获取人脸的数据图像，最后再将的到的图像数据传入构建好的数据模型进行鉴别人脸身份；本发明专利技术通过在ResNet网络结构中加入DenesNet稠密连接结构，能够保证特征重复但不过多冗余，该网络应该具有很好的信息传递性，并隐藏了深度监督，提出了一种新的卷积神经网络，简化了传统特征提取的预处理工作，降低了对硬件的要求；能减少对硬件苛刻要求，并且具有优秀的识别效果，实现人脸的在线识别，依旧具有重要的研究意义与很大的应用潜力。

【技术实现步骤摘要】
一种基于深度学习的人脸识别方法
本专利技术属于人脸识别
，具体涉及一种基于深度学习的人脸识别方法。
技术介绍
在对人脸识别的研究上，相关学者们己有丰富的成果，出现不少具有亮点与高效的人脸图像分类算法。但是人脸识别技术在现在甚至今后还需要面对许多发展上的阻碍。例如在识别人脸时，不仅易受多方面的干扰，而且需要解决识别精确度兼并实时性等问题，具体应用的识别效果并不优秀。在很长一段时间内仍需对其研究和实践，以期获得一种能在实际场景应用下兼顾识别性能与抗干扰性的识别方法。利用卷积神经网络实现人脸的识别，发挥CNN具有对图像特征提取的优异能力，设计一种合适的CNN模型，即网络深度适合和残差优化方法有效，能减少对硬件苛刻要求，并且具有优秀的识别效果，实现人脸的在线识别，依旧具有重要的研究意义与很大的应用潜力。
技术实现思路
为解决现有的问题；本专利技术的目的在于提供一种基于深度学习的人脸识别方法。本专利技术的一种基于深度学习的人脸识别方法，它的方法为：基于深度学习的人脸识别系统，同时基于一种性能良好的CNN模型建立起来的，通本文档来自技高网...

【技术保护点】
1.一种基于深度学习的人脸识别方法，其特征在于：它的方法为：基于深度学习的人脸识别系统，同时基于一种性能良好的CNN模型建立起来的，通过构建训练CNN人脸识别模型，在通过OpenCV人脸识别检测模型在线获取人脸的数据图像，最后再将的到的图像数据传入构建好的数据模型进行鉴别人脸身份；通过参考 Res Net网络结构，再引入Dense Net稠密连接结构，并且在网络中引入批归一化与Dropout改善网络，进一步缓解过拟合，梯度训练选择 Adam优化算法，激活函数选择Re LU，构造本文的CNN模型；结合Open CV的分类器完成检测人脸工作，设计在线式人脸识别系统。/n

【技术特征摘要】
1.一种基于深度学习的人脸识别方法，其特征在于：它的方法为：基于深度学习的人脸识别系统，同时基于一种性能良好的CNN模型建立起来的，通过构建训练CNN人脸识别模型，在通过OpenCV人脸识别检测模型在线获取人脸的数据图像，最后再将的到的图像数据传入构建好的数据模型进行鉴别人脸身份；通过参考ResNet网络结构，再引入DenseNet稠密连接结构，并且在网络中引入批归一化与Dropout改善网络，进一步缓解过拟合，梯度训练选择Adam优化算法，激活函数选择ReLU，构造本文的CNN模型；结合OpenCV的分类器完成检测人脸工作，设计在线式人脸识别系统。


2.根据权利要求1所述的一种基于深度学习的人脸识别方法，其特征在于：所述构建训练CNN人脸识别模型为在CNN模型的基础上，分析其传统模型的优缺点，进而设计的CNN模型，以及选择的输入、...

【专利技术属性】
技术研发人员：宋清昆，许国安，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：黑龙江;23