一种人脸识别方法技术

本发明专利技术公开了一种人脸识别方法，S1：对人像进行人脸采集；S2：对人脸进行预处理；S3：对人脸进行识别、比对；步骤S3包括以下子步骤：S31：人脸特征提取；所述人脸特征提取采用以下具有不同特征提取层结构的特征提取算法：特征提取层由两个相对独立的子卷积网络组成，输入图片大小，包含6个卷积层和6个池化层，识别分类层采用全连接，最后用softmax函数判断分类；S32：人脸特征比对。本发明专利技术通过改进普通卷积神经网络的特征提取算法，采用具有不同的特征提取层结构，同时它们的对象识别层也融合了来自不同单层提取的特征，提高了人脸识别的准确率，本发明专利技术提出的算法模型识别准确率可达90%。

【技术实现步骤摘要】
一种人脸识别方法
本专利技术涉及人脸识别
，尤其涉及一种人脸识别方法。
技术介绍
人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部分析的一系列相关技术，通常也叫做人像识别、面部识别。人脸识别技术目前已广泛应用于金融、司法、安保、边检、航天、电力、教育、医疗等领域，为生产生活带来了极大便利，目前的人脸识别技术在准确率上还存在着不足。
技术实现思路
本专利技术的目的在于，针对上述问题，提出一种人脸识别方法，通过改进普通卷积神经网络的特征提取算法，采用具有不同的特征提取层结构，同时它们的对象识别层也融合了来自不同单层提取的特征，提高了人脸识别的准确率，本专利技术提出的算法模型识别准确率可达90％。一种人脸识别方法，包括以下步骤：S1：对人像进行人脸采集；S2：对人脸进行预处理；S3：对人脸进行识别、比对；步骤S3包括以下子步骤：S31：人脸特征提取；...

【技术保护点】
1.一种人脸识别方法，其特征在于，包括以下步骤：/nS1：对人像进行人脸采集；/nS2：对人脸进行预处理；/nS3：对人脸进行识别、比对；/n步骤S3包括以下子步骤：/nS31：人脸特征提取；/n所述人脸特征提取采用以下具有不同特征提取层结构的特征提取算法：/n特征提取层由两个相对独立的子卷积网络组成，输入图片大小，包含6个卷积层和6个池化层，识别分类层采用全连接，最后用softmax函数判断分类；/nS32：人脸特征比对。/n

【技术特征摘要】
1.一种人脸识别方法，其特征在于，包括以下步骤：
S1：对人像进行人脸采集；
S2：对人脸进行预处理；
S3：对人脸进行识别、比对；
步骤S3包括以下子步骤：
S31：人脸特征提取；
所述人脸特征提取采用以下具有不同特征提取层结构的特征提取算法：
特征提取层由两个相对独立的子卷积网络组成，输入图片大小，包含6个卷积层和6个池化层，识别分类层采用全连接，最后用softmax函数判断分类；
S32：人脸特征比对。


2.根据权利要求1所述的一种人脸识别方法，其特征在于，所述人脸采集采用人脸抓拍机完成。


3.根据权利要求1所述的一种人脸识别方法，其特征在于，所述人脸特征提取和人脸特征比对采用残差网络作为骨干网络。


4.根据权利要求1所述的一种人脸识别方法，其特征在于，所述6个卷积层分别为C1、C2、C5、C6、C9、C10，6个池化层分别为S3、S4、S7、S8、S11、S12，识别分类层分别为F13、F14。


5.根据权利要求4所述的一种人脸识别方法，其特征在于，卷积层C1有20个4×4大小的卷积核，有20个不同的特征映射，C1的大小是48×40×20；卷积层C2有20个8×8大小的卷积核，有20个不同的特征映射，C2的大小是44×36×20；池化层对C1的每个2×2的区域取最大值，大小为24×...

【专利技术属性】
技术研发人员：钟凯，花福军，周建军，姚易佳，
申请(专利权)人：创意信息技术股份有限公司，
类型：发明
国别省市：四川;51