[发明专利]人脸分类识别方法、装置及可读存储介质

权利要求书

1.一种人脸分类识别方法，其特征在于，所述方法包括以下步骤：

获取待分类人脸图像，所述待分类人脸图像的类别为K类，所述K为不小于1的整数；

将所述待分类人脸图像进行Gabor滤波，获得对应的M幅人脸特征图像，所述M为大于1的整数；

将获得的人脸特征图像通过卷积神经网络进行特征提取，获得对应的M*N*K个第一特征值，所述N为特征数量扩增的倍数，且所述N为大于M的整数；

根据所述第一特征值对所述待分类人脸图像进行分类识别；

所述将获得的人脸特征图像通过卷积神经网络进行特征提取，获得对应的M*N*K个第一特征值之后，所述方法还包括：

将所述人脸特征图像中每幅人脸特征图像分别均分成A块,所述A为大于1的整数；

将均分获得的图像通过卷积神经网络进行特征提取，获得对应的A*M*N*K个第二特征值；

相应地，所述根据所述第一特征值对所述待分类人脸图像进行分类识别，具体包括：

根据所述第一特征值及所述第二特征值对所述待分类人脸图像进行分类识别。

2.如权利要求1所述的人脸分类识别方法，其特征在于，所述将获得的人脸特征图像通过卷积神经网络进行特征提取，具体包括：

将所述人脸特征图像依次通过卷积神经网络的第一卷积层、第一最大池化层、第二卷积层、第二最大池化层及第一全连接层，进行特征提取。

3.如权利要求1所述的人脸分类识别方法，其特征在于，所述将均分获得的图像通过卷积神经网络进行特征提取，具体包括：

将均分获得的图像依次通过卷积神经网络的第三卷积层、第三最大池化层、第四卷积层及第二全连接层，进行特征提取。

4.如权利要求1所述的人脸分类识别方法，其特征在于，所述根据所述第一特征值及所述第二特征值对所述待分类人脸图像进行分类识别，具体包括：

将所述第一特征值及所述第二特征值进行组合，获得组合结果；

将所述组合结果按照预设规则进行特征提取，获得N*K个第三特征值；

根据所述第三特征值对所述待分类人脸图像进行分类识别。

5.如权利要求4所述的人脸分类识别方法，其特征在于，所述将所述第一特征值及所述第二特征值进行组合，获得组合结果，具体包括：

将所述第一特征值及所述第二特征值进行组合，获得(M+A*M)行N*K列的特征值矩阵；

相应地，所述将所述组合结果按照预设规则进行特征提取，获得N*K个第三特征值，具体包括：

将所述特征值矩阵按照预设规则进行特征提取，获得N*K个第三特征值。

6.如权利要求5所述的人脸分类识别方法，其特征在于，所述将所述特征值矩阵按照预设规则进行特征提取，获得N*K个第三特征值，具体包括：

对所述特征值矩阵进行最大值提取，提取每一行的最大值，获得N*K个第三特征值。

7.如权利要求4所述的人脸分类识别方法，其特征在于，所述根据所述第三特征值对所述待分类人脸图像进行分类识别，具体包括：

将所述第三特征值通过支持向量机进行所述待分类人脸图像的分类识别。

8.一种人脸分类识别装置，其特征在于，所述人脸分类识别装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的人脸分类识别程序，所述人脸分类识别程序配置为实现如权利要求1至7中任一项所述的人脸分类识别方法的步骤。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有人脸分类识别程序，所述人脸分类识别程序被处理器执行时实现如权利要求1至7中任一项所述的人脸分类识别方法的步骤。