一种基于深度学习技术的戴口罩人脸识别方法技术

一种基于深度学习技术的戴口罩人脸识别方法。主要解决目前无法进行人脸戴口罩识别的问题。本发明专利技术的一种基于深度学习技术的戴口罩人脸识别方法，具有以下有益效果：1)密集场所如车站，机场，超市等，可以完成不摘口罩识别身份的功能，减少了病毒的传播效率，同时也减少了口沫疾病传染的风险，保证了公共场所的秩序。2)针对现阶段大多数可以完成人脸识别支付的地方，减少了人与人的接触也减少了戴口罩拆口罩的频率，便利了人民的生活。

【技术实现步骤摘要】

本专利技术涉及图像识别领域，具体涉及一种基于深度学习技术的戴口罩人脸识别方法。

技术介绍

1、当前，旅客在机场、火车站等人流密集区域摘下口罩进行人脸识别存在一定风险。因此佩戴口罩人脸识别具有一定的研究意义；目前，人脸识别在许多领域得到了广泛的应用。然而人脸识别技术仍然存在一些问题,在实际应用中，各种不可控因素导致了人脸图像的遮挡。

2、近年来，随着深度神经网络(dnn)、区域卷积神经网络(r-cnn)、快速区域卷积神经网(faster rcnn)、yolo系列和facenet人脸识别网络的出现和发展，基于深度学习的图像处理算法已成为主流算法。

3、与传统的人脸识别算法相比，深度学习算法具有明显的优势。通常在人脸识别的过程中，希望充分显示所有特征都是复杂的，而神经网络可以通过训练和学习的过程来隐式地表达这些特征，这使得人脸识别更容易实现。使用深度学习算法facenet来完成带口罩的人脸识别在当下背景下具有重要意义。

4、由于人脸特征的复杂性，很难使用手动选择和匹配方法。因此使用深度学习方法提取人脸特征是一个理想的选择。基于本文档来自技高网...

【技术保护点】

1.一种基于深度学习技术的戴口罩人脸识别方法，其特征在于：包括以下步骤，

2.根据权利要求1所述的一种基于深度学习技术的戴口罩人脸识别方法，其特征在于：所述步骤二中，还包括通过Dlib人脸关键点添加在线特征消除机制，在不增加网络深度的情况下提取人脸的68个关键点，并识别人脸关键点的坐标，选择可以形成口罩遮挡的关键点进行遮挡。

3.根据权利要求1所述的一种基于深度学习技术的戴口罩人脸识别方法，其特征在于：所述口罩遮挡的关键点为下巴、耳垂和鼻子。

4.根据权利要求1所述的一种基于深度学习技术的戴口罩人脸识别方法，其特征在于：使用ACNet卷积替Incept...

【技术特征摘要】

1.一种基于深度学习技术的戴口罩人脸识别方法，其特征在于：包括以下步骤，

2.根据权利要求1所述的一种基于深度学习技术的戴口罩人脸识别方法，其特征在于：所述步骤二中，还包括通过dlib人脸关键点添加在线特征消除机制，在不增加网络深度的情况下提取人脸的68个关键点，并识别人脸关键点的坐标，选择可以形成口罩遮挡的关键点进行遮挡。

3.根据权利要求1所述的一种基于深度学习技术的戴口罩人脸识别方法，其特征在于：所述口罩遮挡的关键点为下巴、耳垂和鼻子。

4.根据权利要求1所述的一种基于深度学习技术的戴口罩人脸识别方法，其特征在于：使用acnet卷积替inception-resnet-v1特征提取网络中的stem模块的部分卷积，并替换修改过后的注意力机制中的卷...

【专利技术属性】
技术研发人员：苏海涛，张俊虎，张雷，李海涛，李晓雯，
申请(专利权)人：舟山励图信息技术有限公司，
类型：发明
国别省市：