[发明专利]一种图像识别方法、人脸考勤方法、装置以及系统

说明书

本发明属于智能教育技术领域,尤其涉及一种图像识别方法、人脸考勤方法、装置以及系统，通过获取预存图像，并基于训练后的优化全卷积神经网络且所述训练过程经过对常量尺度进行分类的第一损失函数的监督，将所述预存图像建立图像比对库，然后再获取比对图像，最后将所述比对图像以及图像比对库输入所述优化全卷积神经网络，获取图像识别结果。本发明实施例通过对第一损失函数的常量尺度进行分类，利用所述第一损失函数对全卷积神经网络的训练进行监督，使得难以识别的图像样本较容易被识别，缓解了易于识别的样本的数量与难于识别的样本的数量的不均衡，提高图像识别效率与准确率。

技术领域

本发明涉及智能教育技术领域，尤其涉及一种图像识别方法、人脸考勤方法、装置以及系统。

背景技术

图像识别是通过采集图像并通过分析比较图像的视觉特征信息从而进行图像识别的一种技术，其应用方式包括：公共场合寻找目标用户、智能终端的人脸支付以及重要场合的门禁。

现有技术中，图像识别多是通过图像识别算法实现，实现该图像识别算法需要操作复杂的图像文件，后期调试也较困难。其中，人脸图像识别是图像识别的其中一种，传统的人脸图像识别是采用特征脸这一经典算法，先将人脸图像降维再获取人脸的相应技术特征。

在研究现有技术的过程中，发明人发现相关技术中至少存在如下问题：一.实现图像识别的算法较复杂，准确率较低；二.采用特征脸方法进行人脸识别的运算效率低，使得该方法的实用性不高。

发明内容

本发明实施例提供一种图像识别方法、人脸考勤方法、装置以及系统，以提高图像识别准确率且提高图像识别效率。

第一方面，本发明实施例提供了一种图像识别方法，所述方法包括：

获取预存图像；

利用第一损失函数对全卷积神经网络的训练过程进行监督，得到优化全卷积神经网络，基于所述优化全卷积神经网络，建立图像比对库；

获取比对图像；

将所述比对图像以及图像比对库输入所述优化全卷积神经网络，获取图像识别结果。

可选地，利用第一损失函数对全卷积神经网络的训练过程进行监督，得到优化全卷积神经网络，基于所述优化全卷积神经网络，建立图像比对库，包括：

将预设的图像训练库中的图像进行校准，获取校准后的图像；

将校准后的图像输入包括全卷积神经网络的网络结构，提取校准后的图像的特征向量并通过第一损失函数对所述全卷积神经网络的训练进行监督，获取优化全卷积神经网络。

可选地，所述第一损失函数为：

当s＝30，cosθ_yi≥0.3；

当s＝20，cosθ_yi<0.3；

其中，Ls为预测值，N是样本的数量，C是类别数量，m是类间的角度裕量，θ_j是权重和特征向量之间的夹角，s为常量尺度，θ_i,yi是指特征向量与该特征向量对应类别的夹角。

可选地，所述图像包括人脸图像。

第二方面，本发明实施例提供了一种人脸考勤方法，所述方法包括：

获取预存人脸图像；

利用第一损失函数对全卷积神经网络的训练过程进行监督，得到优化全卷积神经网络，基于所述优化全卷积神经网络，建立人脸图像比对库；

获取比对人脸图像；