[发明专利]一种人脸识别方法及系统

说明书

本发明公开了一种人脸识别方法及系统。方法包括：首先，采用训练集训练卷积神经网络，得到训练后的卷积神经网络；其次，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；并选取相似度最大的人脸图像作为初步识别图像；然后，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；最后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，实现了在数据库中和不在数据库的未知人脸的精确识别。

技术领域

本发明涉及图像识别领域，特别涉及一种人脸识别方法及系统。

背景技术

随着深度学习技术的发展，基于深度学习的人脸识别技术正在逐渐应用的越来越广。人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。人脸识别方法集成了机器学习、模式识别和数字图像处理等多种专业技术。人脸识别关键有两点：(1)人脸特征的提取；(2)对特征的识别对比。深度学习实现了图像特征提取和识别的自动化，极大的提高了识别精度。人脸识别所使用的深度学习网络结构的设计往往会直接影响到人脸识别的效果。因此设计一种合适的深度学习网络结构是提高人脸识别精度的重要任务之一。虽然基于深度学习的人脸识别技术对数据库内的已知人脸识别精度较高，但是对于不在数据库里的未知人脸识别容易误判。

发明内容

本发明的目的是，为了实现对数据库中和不在数据库的未知人脸进行精确识别，提供一种人脸识别方法及系统。

为实现上述目的，本发明提供了如下方案：

一种人脸识别方法，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；

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。

可选的，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。

可选的，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。

可选的，所述损失函数为：