基于人脸识别的人员信息智能校验系统技术方案

本申请涉及智能校验领域，其具体地公开了一种基于人脸识别的人员信息智能校验系统，其通过采用基于深度学习的神经网络模型挖掘出人脸检测图像和人脸参考图像中关于人员人脸特征的差异性特征信息，以此来对于人员身份信息进行精准地校验识别。息进行精准地校验识别。息进行精准地校验识别。

【技术实现步骤摘要】
基于人脸识别的人员信息智能校验系统


[0001]本申请涉及智能校验领域，且更为具体地，涉及基于人脸识别的人员信息智能校验系统。

技术介绍

[0002]人脸与人体的其它生物特征(指纹、虹膜等)一样与生俱来，它的唯一性和不易被复制的良好特性为人员信息的校验和身份鉴别提供了必要的前提。
[0003]传统的人脸识别技术主要是基于可见光图像的人脸识别，这也是人们熟悉的识别方式。但这种方式有着难以克服的缺陷，尤其在环境光照发生变化时，识别效果和精度会急剧下降，无法满足实际系统的需要。目前，解决光照问题的方案有三维图像人脸识别和热成像人脸识别，但这两种技术还远不成熟，识别效果不尽人意。
[0004]因此，期望一种优化的基于人脸识别的人员信息智能校验系统。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于人脸识别的人员信息智能校验系统，其通过采用基于深度学习的神经网络模型挖掘出人脸检测图像和人脸参考图像中关于人员人脸特征的差异性特征信息，以此来对于人员身份信息进行精准地校验识别。
...

【技术保护点】

【技术特征摘要】
1.一种基于人脸识别的人员信息智能校验系统，其特征在于，包括：图像数据采集模块，用于由摄像头获取待校验人员的人脸检测图像，以及，从数据库中获取录入参考人员的人脸参考图像；图像处理模块，用于对所述人脸检测图像和人脸参考图像分别进行局部二值化处理和Canny边缘检测以得到第一局部二值模式图、第一Canny边缘检测图、第二局部二值模式图和第二Canny边缘检测图；图像扩展模块，用于将所述人脸识别图像、所述第一局部二值模式图和所述第一Canny边缘检测图沿着通道维度排列为人脸检验多通道图像，并将所述人脸参考图像、所述第二局部二值模式图和所述第二Canny边缘检测图沿着通道维度排列为人脸参考多通道图像；空间编码模块，用于将所述人脸检验多通道图像和所述人脸参考多通道图像分别通过使用空间注意力机制的第一卷积神经网络模型以得到第一人脸检验特征图和第一人脸参考特征图；高效编码模块，用于将所述人脸检验多通道图像和所述人脸参考多通道图像分别通过使用高效注意力机制的第二卷积神经网络模型以得到第二人脸检验特征图和第二人脸参考特征图；特征融合模块，用于融合所述第一人脸检验特征图和所述第二人脸检验特征图以得到人脸检验特征图，并融合所述第一人脸参考特征图和所述第二人脸参考特征图以得到人脸参考特征图；差分对比模块，用于计算所述人脸检验特征图和所述人脸参考特征图的差分特征图；降维模块，用于对所述差分特征图进行基于通道维度的全局均值池化处理以得到通道加权特征向量；特征补偿模块，用于基于所述差分特征图的特征分布，对所述通道加权特征向量进行特征补偿以得到补偿后通道加权特征向量；以及匹配检测模块，用于将所述补偿后通道加权特征向量通过分类器以得到分类结果，所述分类结果用于表示待校验人员与参考人员的身份信息是否匹配。2.根据权利要求1所述的基于人脸识别的人员信息智能校验系统，其特征在于，所述空间编码模块，包括：第一深度卷积编码单元，用于使用所述第一卷积神经网络模型的各层在层的正向传递中对所述人脸检验多通道图像和所述人脸参考多通道图像分别进行卷积处理、基于局部特征矩阵的池化处理和非线性激活处理以由所述第一卷积神经网络模型的最后一层输出初始第一人脸检验特征图和初始第一人脸参考特征图；以及空间注意力单元，用于将所述初始第一人脸检验特征图和初始第一人脸参考特征图输入所述第一卷积神经网络模型的空间注意力层以得到所述第一人脸检验特征图和第一人脸参考特征图。3.根据权利要求2所述的基于人脸识别的人员信息智能校验系统，其特征在于，所述高效编码模块，包括：第二深度卷积编码单元，用于将所述人脸检验多通道图像和所述人脸参考多通道图像输入所述卷积神经网络模型的多层卷积层以得到多个卷积特征图；全局均值池化单元，用于计算所述多个卷积特征图的沿通道维度的各个特征矩阵的全
局均值以得到多个通道特征向量；一维卷积编码单元，用于对所述多个通道特征向量进行一维卷积编码以得到多个通道关联特征向量；通道注意力权重计算单元，用于将所述多个通道关联特征向量输入所述Sigmoid激活函数以得到多个通道...

【专利技术属性】
技术研发人员：张真，
申请(专利权)人：滨州市沾化区退役军人服务中心，
类型：发明
国别省市：