[发明专利]人脸识别系统及方法

权利要求书

1.一种人脸识别系统，其特征在于，包括：

多个固定支架、多个图像采集设备、中转服务器和识别服务器；

每个固定支架上安装有一个图像采集设备，每个图像采集设备上各设有一个图像采集摄像头和一个灯源设备，所述图像采集摄像头用于灯源设备照射下的采集待识别对象的面部人脸图像；

所述中转服务器与每个图像采集摄像头均连接，用于接收各图像采集摄像头发送人脸图像，得到完整的人脸图像；

所述识别服务器与所述中转服务器连接，用于根据所述完整的人脸图像对所述待识别对象进行人脸识别。

2.根据权利要求1所述的人脸识别系统，其特征在于，所述识别服务器用于将完整的人脸图像输入至训练好的卷积深度信念网络，经过所述卷积深度信念网络的支持向量机SVM分类器进行分类，得到所述人脸图像的人脸图像识别结果；将人脸图像识别结果与预存的人脸图像进行对比，判断所述人脸识别是否通过。

3.根据权利要求2所述的人脸识别系统，其特征在于，所述识别服务器还用于对预先获取的多个人脸图像进行归一化处理及标记，得到第一预设数量的训练样本；提取所述训练样本的人脸图像纹理特征；将所述训练样本的人脸图像纹理特征输入至初始的卷积深度信念网络中，采用贪心逐层训练算法对每一层网络的参数进行优化训练，得到训练好的卷积深度信念网络。

4.根据权利要求3所述的人脸识别系统，其特征在于，所述识别服务器用于所述提取所述训练样本的人脸图像纹理特征的过程，包括：

设定局部二值模式LBP共生矩阵纹理特征提取算法的参数；

根据所述参数确定训练样本的原图像素对应的亚像素及其对应邻域点；

基于双线性插值计算所述亚像素及其对应邻域点的灰度值；

根据所述亚像素及其对应邻域点的灰度值，确定所述训练样本的亚像素LBP图像；

基于LBP共生矩阵纹理特征提取算法，计算所述亚像素LBP图像的亚像素LBP共生矩阵，得到所述训练样本的人脸图像纹理特征。

5.根据权利要求4所述的人脸识别系统，其特征在于，所述LBP共生矩阵纹理特征提取算法的参数包括LBP参数和共生矩阵参数，所述LBP参数包括邻域半径和领域点个数，所述共生矩阵参数包括统计距离和统计方向；

所述识别服务器用于所述根据所述参数确定训练样本和测试样本的原图像素对应的亚像素及其对应邻域点的过程，包括：

根据所述统计距离和统计方向，确定原图像素对应的亚像素；

根据所述邻域半径和领域点个数，确定每个亚像素对应的领域点。

6.根据权利要求1所述的人脸识别系统，其特征在于，所述系统还包括：报警设备；

所述报警设备与所述识别服务器连接，所述报警设备根据所述识别服务器人脸识别结果进行报警工作。

7.一种人脸识别方法，其特征在于，应用于权利要求1至6任一项所述的人脸识别系统的识别服务器，包括：

将完整的人脸图像输入至训练好的卷积深度信念网络，经过所述卷积深度信念网络的支持向量机SVM分类器进行分类，得到所述人脸图像的人脸图像识别结果；

将人脸图像识别结果与预存的人脸图像进行对比，判断所述人脸识别是否通过。

8.根据权利要求7所述的人脸识别方法，其特征在于，还包括：

对预先获取的多个人脸图像进行归一化处理及标记，得到第一预设数量的训练样本；

提取所述训练样本的人脸图像纹理特征；

将所述训练样本的人脸图像纹理特征输入至初始的卷积深度信念网络中，采用贪心逐层训练算法对每一层网络的参数进行优化训练，得到训练好的卷积深度信念网络。