[发明专利]一种人脸识别方法及系统

权利要求书

1.一种人脸识别方法，其特征在于，所述识别方法包括如下步骤：

从预设的数据库提取多张人脸图像，形成训练集；

根据所述训练集训练卷积神经网络，得到训练后的卷积神经网络；

获取待识别人脸图像；

利用训练后的卷积神经网络计算待识别人脸图像和预设的数据库中的各人脸图像之间的相似度；

选取相似度最大的人脸图像作为初步识别图像；

分别获取待识别人脸图像的三维特征向量和初步识图像的三维特征向量；

所述分别获取待识别人脸图像的三维特征向量和初步识图像的三维特征向量，具体包括：基于深度神经网络，根据所述待识别人脸图像和所述初步识别图像，建立三维形变模型，所述三维形变模型包括待识别人脸图像的三维形变模型和初步识别图像的三维形变模型；对所述三维形变模型进行弱透视投影，获得投影后的三维形变模型；将所述投影后的三维形变模型进行3D网格划分、归一化处理并调整三维形变模型的锚点，获得处理后的三维形变模型；对所述处理后的三维形变模型进行面部趋势拟合，得到拟合后的三维形变模型；根据拟合后的三维形变模型获取三维特征向量；所述三维特征向量包括待识别人脸图像的三维特征向量和初步识别图像的三维特征向量；

计算所述待识别人脸图像的三维特征向量和初步识别图像的三维特征向量之间的切比雪夫距离；

判断所述切比雪夫距离是否大于第一预设阈值，若是，则所述待识别人脸图像与所述初步识别图像不是同一个人的图像，所述待识别人脸图像不在预设数据库中，若否，则所述待识别人脸图像与所述初步识别图像为同一个人的图像。

2.根据权利要求1所述的人脸识别方法，其特征在于，所述根据所述训练集训练卷积神经网络，得到训练后的卷积神经网络，具体包括：

将训练集组成三元组集合；

将三元组集合送入卷积神经网络，获得卷积神经网络的损失函数；

训练所述卷积神经网络使所述损失函数的值小于第二预设阈值，得到训练后的卷积神经网络。

3.根据权利要求2所述的人脸识别方法，其特征在于，所述将训练集组成三元组集合，具体包括：

从训练集中选取三张人脸图像，所述三张人脸图像包括两张来自同一个人不同状态的人脸图像，一张来自另一个人的人脸图像，组成一个三元组；

重复组成一个三元组的步骤，将训练集中的人脸图像组成三元组集合。

4.根据权利要求2所述的人脸识别方法，其特征在于，所述损失函数为：

其中，i表示第i个三元组，i＝1,2，……，N，N表示三元数组集中三元数组的数量，是第i个三元组中同一人不同状态人脸两张图像的特征表达，是第i个三元组中另一人的图像的特征表达，+表示[]内的值大于零时，Y为损失函数的值，小于零的时候，Y为零，α为与之间的距离和与之间的距离的最小差值。