一种深度学习模型下的人脸特征数据库构建和更新方法技术

本发明专利技术公开了一种深度学习模型下的人脸特征数据库构建和更新方法，该方法包括以下步骤：步骤(1)、建立基础人脸特征数据库；步骤(2)、在数据库中添加基准人脸特征；步骤(3)、使用人脸特征数据库进行人脸比对；步骤(4)、实时捕获人脸特征；步骤(5)、人脸特征数据库更新，该方法减少了由于待识别人员化妆，发型，侧脸等问题带来的干扰，提高了识别设备的准确率和效率。

【技术实现步骤摘要】
一种深度学习模型下的人脸特征数据库构建和更新方法
本专利技术涉及计算机视觉、人脸识别领域，特别是涉及一种适用于深度学习模型下的人脸特征数据库构建和更新方法。
技术介绍
近年来随着神经网络，深度学习等不断发展，计算机视觉取得了很大的进步，同时也给人类生活带来了诸多便捷。现在以人脸识别为核心的设备被广泛应用，例如小区的人脸识别门禁系统，公司和学校的考勤系统等。在这些系统中，人脸特征数据库都是比不可少的，但是传统的人脸特征数据库作用单一，仅仅用来存放人脸的特征向量，其对于人脸识别设备的识别效果并没有影响。同时人脸识别设备在应用时总是面临由于化妆，发型遮挡，侧脸等带来的识别干扰。
技术实现思路
本专利技术的目的是为了克服现有技术中的不足，进一步开发人脸识别中人脸特征数据库的作用，针对现有技术中存在的人脸识别设备的识别效果易受待识别人员化妆，遮挡，侧脸等干扰，通过提出一种数据库构建和更新方法来有效解决以上问题。本专利技术的目的是通过以下技术方案实现的：一种适用于深度学习模型下的人脸特征数据库构建和更新方法，该方法包括以本文档来自技高网...

【技术保护点】
1.一种深度学习模型下的人脸特征数据库构建和更新方法，其特征在于，该方法包括以下步骤：/n步骤(1)、建立基础人脸特征数据库；/n步骤(2)、在数据库中添加基准人脸特征；/n步骤(3)、使用人脸特征数据库进行人脸比对；/n步骤(4)、实时捕获人脸特征过程；其中：/n在人脸识别失败时触发人脸特征捕获机制，将未能识别的人脸特征放入数据库的缓存区；/n在上次人脸识别失败后继续进行识别，若识别依旧失败则将本次人脸特征放入数据库的缓存区并将前一次的特征数据删除；/n在上次人脸识别失败后继续进行识别，若识别成功则将识别出的人员与缓存区的人脸特征对应，在缓存区与人员对应的特征将不再被删除，下次识别失败则添加...

【技术特征摘要】
1.一种深度学习模型下的人脸特征数据库构建和更新方法，其特征在于，该方法包括以下步骤：
步骤(1)、建立基础人脸特征数据库；
步骤(2)、在数据库中添加基准人脸特征；
步骤(3)、使用人脸特征数据库进行人脸比对；
步骤(4)、实时捕获人脸特征过程；其中：
在人脸识别失败时触发人脸特征捕获机制，将未能识别的人脸特征放入数据库的缓存区；
在上次人脸识别失败后继续进行识别，若识别依旧失败则将本次人脸特征放入数据库的缓存区并将前一次的特征数据删除；
在上次人脸识别失败后继续进行识别，若识别成功则将识别出的人员与缓存区的人脸特征对应，在缓存区与人员对应的特征将不再被删除，下次识别失败则添加新的缓存；
步骤(5)、人脸特征数据库更新。


2.根据权利要求1所述的一种深度学习模型下的人脸特征数据库构建和更新方法，其特征在于，步骤(1)包括以下步骤：
根据人脸识别设备所需识别的人数进行数据库存储空间分配，为每个人分配一个人脸特征数据子库，同时设置人脸特征数据缓存区；
为每个人的人脸特征数据子库分配20个人脸特征数据空间，即每人最多允许存在20组人脸特征数据。


3.根据权利要求1所述的一种深度学习模型下的人脸特征数据库构建和更新方法，其特征在于，步骤(2)具体包括以下处理过程：

【专利技术属性】
技术研发人员：苏寒松，刘腾腾，刘高华，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12