【技术实现步骤摘要】
本专利技术涉及人脸识别，尤其涉及一种基于神经网络的轻量级的人脸识别方法。
技术介绍
1、人脸识别是基于生物特征的识别方式，利用人类自身拥有的，并且能够唯一标示其身份的生理特征或行为特征进行身份验证的技术。随着人机交互，智能城市概念的提出，人脸识别技术具有非常重要的意义。作为模式识别与机器学习领域的主要研究方法之一，已经有大量的人脸识别算法被提出。
2、经检索，中国专利号为cn109344731b的专利技术专利，公开了基于神经网络的轻量级的人脸识别方法，属于人脸识别
为了解决现有的基于深度学习的人脸识别系统中存在的模型过大，速度慢等技术问题，与现有技术相比，该中国专利号为cn102436202b的专利技术专利通过对人脸特征提取网络的优化，压缩了人脸识别处理中所涉及的深度神经网络模型的大小，在损失较少或极少系统精度的前提下，加快人脸识别处理速度。本专利技术的轻量级的识别方法可部署在小型移动终端比如树莓派，单片机等小型设备上，可应用于门禁管理系统，超市会员注册管理系统，考生身份验证管理系统中。
3、然而上述装置...
【技术保护点】
1.一种基于神经网络的轻量级的人脸识别方法，其特征在于，人脸识别步骤为：
2.根据权利要求1所述的一种基于神经网络的轻量级的人脸识别方法，其特征在于，在S1中，加载预训练的YOLOv5模型及其权重，使用YOLOv5的detect函数对图像进行人脸检测，从YOLOv5的检测结果中提取人脸边界框的坐标。
3.根据权利要求2所述的一种基于神经网络的轻量级的人脸识别方法，其特征在于，使用YOLOv5的detect函数对图像进行人脸检测的具体步骤为：
4.根据权利要求3所述的一种基于神经网络的轻量级的人脸识别方法，其特征在于，使用NMS算法消...
【技术特征摘要】
1.一种基于神经网络的轻量级的人脸识别方法，其特征在于，人脸识别步骤为：
2.根据权利要求1所述的一种基于神经网络的轻量级的人脸识别方法，其特征在于，在s1中，加载预训练的yolov5模型及其权重，使用yolov5的detect函数对图像进行人脸检测，从yolov5的检测结果中提取人脸边界框的坐标。
3.根据权利要求2所述的一种基于神经网络的轻量级的人脸识别方法，其特征在于，使用yolov5的detect函数对图像进行人脸检测的具体步骤为：
4.根据权利要求3所述的一种基于神经网络的轻量级的人脸识别方法，其特征在于，使用nms算法消除重叠的边界框并选择最佳的边界框的具体步骤为：
5.根据权利要求1所述的一种基于神经网络的轻量级的人脸识别方法，其特征在于，在s3中，加载预训练的facenet模型，得到每张人脸的128维特征向量，将预处理后的人脸图片作为输入传递给facenet模型，所述facenet模型会对输入的人脸图片进行前向传播计算，并输出一个特征向量，所述特征向量为一个128维的向量，所述特征向量捕获人脸图像的重要特征信息。
6.根据权利要求1所述的一种基于神经网络的轻量级的人脸识别方法，其特征在于，在s4中，对于两张人脸的特征向量，计算它们之间的欧氏距离，对于两个特征向量x和y，通过第一个...
【专利技术属性】
技术研发人员：曹曼曼，王宇航，汪勉，蒿琳，姜明翰，孙红伟，史勤政，高玲玲，郑丽丽，
申请(专利权)人：济宁学院，
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。