[发明专利]一种基于CNN模型的人脸识别方法、装置及存储介质

权利要求书

1.一种基于深层卷积神经网络CNN模型的人脸识别方法，其特征在于，所述方法包括：

获取待识别人脸图像；

将所述待识别人脸图像输入预训练的CNN模型，得到第一数值；

若所述第一数值不大于预设数值，则确定识别失败。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对所述待识别人脸图像进行近红外线摄像；

若无法获取所述待识别人脸图像的近红外图像，则确定识别失败；

相应的，所述获取待识别人脸图像，包括：

若获取到所述待识别人脸图像的近红外图像，则根据所述近红外图像获取所述待识别人脸图像。

3.根据权利要求1所述的方法，其特征在于，在所述获取待识别人脸图像之后，所述方法还包括：

将所述待识别人脸图像的尺寸设置为预设尺寸。

4.根据权利要求1至3任一所述的方法，其特征在于，所述CNN模型，包括：卷积层，inception层，bottleneck层和全连接层，

相应的，将所述待识别人脸图像输入预训练的CNN模型，得到第一数值包括：

所述待识别人脸图像经过所述卷积层，inception层，bottleneck层和全连接层后得到第一数值。

5.根据权利要求4所述的方法，其特征在于，所述inception层连接在第一目标卷积层之后，所述bottleneck层连接在所述inception层之后，所述全连接层连接在所述bottleneck层之后。

6.根据权利要求5所述的方法，其特征在于，还包括：

将第二目标卷积层和第三目标卷积层进行向量化处理后串联得到第四目标卷积层。

7.根据权利要求5或6所述的方法，其特征在于，所述inception层包括3个inception模块，所述bottleneck层包括2个bottleneck模块。

8.一种人脸识别装置，其特征在于，包括：

获取单元，用于获取待识别人脸图像；

处理单元，用于将所述获取单元获取的所述待识别人脸图像输入预训练的CNN模型，得到第一数值；

确定单元，用于若所述处理单元得到的第一数值不大于预设数值，则确定识别失败。

9.一种人脸识别装置，其特征在于，所述人脸识别装置包括：处理器和存储器，所述存储器中存储有程序指令,所述处理器用于执行所述存储器中存储的程序指令，执行如权利要求1至7任一所述的方法。

10.一种计算机可读存储介质，其特征在于，当所述指令在计算机设备上运行时，使得所述计算机设备执行如权利要求1至7任一所述的方法。