【技术实现步骤摘要】
人脸识别方法
[0001]本专利技术涉及人工智能
,特别是涉及一种人脸识别方法。
技术介绍
[0002]通过深度学习能够获得人脸检测的结果,是实现人脸识别的基础。具体的,现有技术中,实现人脸检测的方法包括:使用手机,智能摄像头将外界信息采集送入到硬件的处理单元,通过深度学习方法获得人脸检测的结果,然后将结果送入到深度学习人脸识别的算法中,进行人脸识别,最终的结果是在一副图像或者视频中,用方框框上人脸的位置和大小,并在上面标出人脸的名字。
[0003]关于其中的深度学习,目前卷积神经网络在物体分类,人脸/人形检测,人脸识别,图像分割上都取得了相当高的准确度,但是如果想把卷积神经网络算法应用到边缘端上,比如智能手机、智能摄像头等,会由于模型的高精度数据表示和算法所占用的储存空间面临速度,功耗等问题。
[0004]因此,亟需一种能够在手机,智能摄像头等边缘端上实现的人脸检测方法。
[0005]目前公认的成功并流行的卷积神经网络结构有如下几种,AlexNet,VGG,ResNet和GoogLeNet类。
[0006]其中,AlexNet是较早的卷积神经网络,它首先是5个卷积层,后面连接着3个全连层。
[0007]VGG对比于AlexNet的改进是采用多个连续的3x3卷积核来代替掉AlexNet中的较大的卷积核(11x11,5x5)。
[0008]ResNet的出现,可以让我们去训练更加深的网络,在VGG的基础上,出现了短路连接插入形成残差网络的新结构。
[0009 ...
【技术保护点】
【技术特征摘要】
1.一种人脸识别方法,其特征在于,包括:获得待识别的图像;通过人脸检测手段,来检测图像中的人脸区域;从人脸区域中提取人脸表征;采用基于深度学习的人脸识别算法,来对图像中的人脸区域进行人脸识别;其中,所述采用基于深度学习的人脸识别算法,来对图像中的人脸区域进行人脸识别包括:确定卷积神经网络的结构;根据卷积神经网络的结构,来将一个或多个卷积结果和/或输入数值归纳到在同一个坐标系下;根据卷积神经网络的结构,来将同一个坐标系下的一个或多个卷积结果和/或输入数值进行合并;根据所述合并的结果,来计算向下一层卷积神经网络传递时的移位和偏移量的量化结果。2.如权利要求1所述的人脸识别方法,其特征在于,所述获得待识别的图像包括:采集视频流;获得视频流中的图像帧,作为待识别的图像。3.如权利要求1所述的人脸识别方法,其特征在于,所述根据卷积神经网络的结构,来将一个或多个卷积结果和/或输入数值归纳到在同一个坐标系下;包括:对于ResNet类卷积神经网络,通过以下公式,来将输入数值和卷积结果归纳到同一个坐标系下:Y
′
=Y<<shift
(a-b),pos
Y
′
=Y>>shift
|a-b|,neg
其中,Y`表示第二归纳结果,Y表示第二卷积结果,a表示输入数值的移位,b表示第二卷积结果的移位。4.如权利要求3所述的人脸识别方法,其特征在于,所述根据卷积神经网络的结构,来将同一个坐标系下的一个或多个卷积结果和/或输入数值进行合并包括:对于ResNet类卷积神经网络,通过以下公式,来将同一个坐标系下的输入数值和卷积结果进行合并:Z=X+Y
′
其中,Z表示合并结果,X表示输入数值,Y`表示第二归纳结果。5.如权利要求1所述的人脸识别方法,其特征在于,所述根据卷积神经网络的结构,来将一个或多个卷积结果和/或输入数值归纳到在同一个坐标系下;包括:对于ResNet类卷积神经网络,通过以下公式,来将输入数值和卷积结果归纳到同一个坐标系下:坐标系下:
其中,X`表示第一归纳结果,Y`表示第二归纳结果,Y表示第二卷积结果,a表示输入数值的移位,b表示第二卷积结果的移位。6.如权利要求5所述的人脸识别方法,其特征在于,所述根据卷积神经网络的结构,来将同一个坐标系下的一个或多个卷积结果和/或输入数值进行合并包括:对于ResNet类卷积神经网络,通过以下公式,来将同一个坐标系下的输入数值和卷积结果进行合并:Z=X
′
+Y
′
其中,Z表示合并结果,X`表示第一归纳结果,Y`表示第二归纳结果。7.如权利要求1所述的人脸识别方法,其特征在于,所述根据卷积神经网络的结构,来将一个或多个卷积结果和/或输入数值归纳到在同一个坐标系下包括:对于Inception类卷积神经网络,通过以下公式,来将输入数值和卷积结果归纳到同一个坐标系下:Y
′
=Y<<shift
(a-b),pos
Y
′
=Y>>shift
|a-b|,neg
Z
′
=Y<<shift
(a-c),pos
Z
′
=Y>>shift
|a-c|,neg
其中,Y`表示第二归纳结果,Z`表示第三归纳结果,Y表示第二卷积结果,a表示输入数值的移位,b表示第二卷积结果的移位,c表示第三卷积结果的移位。8.如权利要求7所述的人脸识别方法,其特征在于,所述根据卷积神经网络的结构,来将同一个坐标系下的一个或多个卷积结果和/或输入数值进行合并包括:对于I...
【专利技术属性】
技术研发人员:吴同,达声蔚,
申请(专利权)人:上海齐感电子信息科技有限公司,
类型:发明
国别省市:
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。