一种基于深度学习的智能人脸识别方法及系统技术方案

本发明专利技术涉及人脸识别技术领域，公开了一种基于深度学习的智能人脸识别方法及系统，包括：获取本地成员人脸图像建立本地人脸数据库；基于所述深度学习模型对本地人脸数据库的人脸图像进行人脸检测及特征提取；基于所述深度学习模型对待检测人员进行人脸检测及特征提取；基于两次特征信息及人脸检测结果确定人脸识别结果。本发明专利技术能够提高人脸识别技术的识别率以及安全性能。别率以及安全性能。别率以及安全性能。

【技术实现步骤摘要】
一种基于深度学习的智能人脸识别方法及系统


[0001]本专利技术涉及人脸识别
，尤其涉及一种基于深度学习的智能人脸识别方法及系统。

技术介绍

[0002]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。采用摄像机或摄像头采集含有人脸的图像或视频帧，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识别的一系列相关技术，通常也叫做人像识别、面部识别。
[0003]现有的人脸识别技术，对于限定在一定条件下的人脸图像，例如，正面人脸、光照条件良好、无遮挡物体、无眼镜反光情况下获取的人脸图像，其识别率可以满足一些民用领域的低端应用(如门禁、考勤等)的要求。然而，现有的人脸视频布控主要利用城市中已有的监控摄像机采集人脸图像，因此很容易受到光照、姿态、遮挡、外表附属物以及图像采集设备的影响，大大降低识别效果。再者，当数据库规模达到一定数量级后(如百万级)，目前人脸识别系统的误报警率与漏检率会大幅升高，降低人脸识别技术的识别率。

技术实现思路

[0004]本专利技术提供了一种基于深度学习的智能人脸识别方法及本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的智能人脸识别方法，其特征在于，包括：获取本地成员人脸图像建立本地人脸数据库；基于深度学习模型对本地人脸数据库的人脸图像进行人脸检测及特征提取；基于所述深度学习模型对待检测人员进行人脸检测及特征提取；基于两次特征信息及人脸检测结果确定人脸识别结果。2.根据权利要求1所述的基于深度学习的智能人脸识别方法，其特征在于，还包括：对本地人脸数据库进行人群分类，所述分类包括普通群体、高危群体、特殊人员群体。3.根据权利要求1所述的基于深度学习的智能人脸识别方法，其特征在于，对待检测人员进行人脸检测和特征提取时，包括：确认当前环境是否符合人脸检测环境；基于判断结果，确定人脸识别的方法。4.根据权利要求3所述的基于深度学习的智能人脸识别方法，其特征在于，所述基于判断结果，确定人脸识别的方法，包括：当判断结果为适合采用待识别目标的彩色图像进行人脸识别时，采用所述待识别目标的彩色图像和所述待识别目标的三维图像进行人脸识别；若判断结果为不适合采用待识别目标的彩色图像进行人脸识别时，采用所述待识别目标的红外图像和所述待识别目标的三维图像进行人脸识别。5.根据权利要求1所述的基于深度学习的智能人脸识别方法，其特征在于，所述特征信息包括：眼角位置信息、眉毛位置信息、嘴角位置信息、鼻子位置信息、耳朵位置和瞳孔信息；所述深度学习模型的建立包括：定义输入层和输出层，选取眼角位置信息、眉毛位置信息、嘴角位置信息、鼻子位置信息、耳朵位置和瞳孔信息作为输入变量，输入维数m=6；以个人信息作为输出变量，输出维数n=1；选择隐层数和隐层单元数，采用单隐层，并根据穷举法确定隐层节点数为7。6.根据权利要求1所述的基于深度学习的智能人脸识别方法，其特征在于，基于两次特征信息及人脸检测结果确定人脸识别结果，包括：确定所述待检测人员的人脸，即样本A；获取本...

【专利技术属性】
技术研发人员：韩东明，王庆焕，刘其敏，单洪伟，赵龙，王珂，许茂，邢军鹏，
申请(专利权)人：山东海博科技信息系统股份有限公司，
类型：发明
国别省市：