[发明专利]基于深度学习的快速人脸角度识别方法

权利要求书

1.一种基于深度学习的快速人脸角度识别方法，其特征是：该方法包括如下步骤：（1）将旋转0°、正负15°、正负30°和正负45°时的人脸图像进行标记来建立数据库；（2）将角度标签经过五层卷积模块进行特征提取，经过两层全连接，转化为2048维的特征向量，作为softmax分类层的输入，进行分类从而建立卷积神经网络结构；（3）基于ubuntu 16.04操作系统，GPU1080下，在深度学习框架CAFFE下对卷积神经网络进行训练，得到人脸角度识别模型。

2.根据权利要求1所述的基于深度学习的快速人脸角度识别方法，其特征是：所述的建立数据库的具体过程为：该数据库为300个不同的人的人脸图像，共7000张，该数据库中的图像包括头部在三维垂直坐标系中绕每个轴旋转0°、正负15°、正负30°和正负45°时的人脸图像，将旋转角度归一化为0-1之间的值作为标签值，对每张图像中的人脸角度做标注，标注后的图像用于神经网络的训练。

3.根据权利要求1或2所述的基于深度学习的快速人脸角度识别方法，其特征是：所述的建立卷积神经网络结构的具体过程为：输入层接受输入数据，得到图像数据及其相应标签值，建立数据集为包含三个标签值，分别对应三维坐标系每个轴旋转的角度标签，然后经过五层卷积模块进行特征提取，每个卷积模块包括卷积层和池化层，将提取到的特征向量输入到全连接层，经过两层全连接，将特征图转化为2048维的特征向量，作为softmax分类层的输入，进行分类，三个标签对应三个并列的分类层，每个分类层得到人脸在三维坐标系中绕每个轴旋转的角度。

4.根据权利要求1或2或3所述的基于深度学习的快速人脸角度识别方法，其特征是：所述的得到人脸角度识别模型的具体过程为：基于ubuntu 16.04操作系统，GPU1080下，搭建CAFFE 深度学习框架，将训练用数据集输入到卷积神经网络，经过100000次训练，得到人脸角度识别模型，调用该模型进行人脸角度识别测试实验，识别每张人脸的耗时在0.02秒以内，识别出的人脸三维角度误差在3°以内。