[发明专利]一种基于级联神经网络和特征融合的人脸考勤系统

权利要求书

1.一种基于级联神经网络和特征融合的人脸考勤系统，其特征在于，包括：人脸检测模块，用于对图像进行预处理，提取大量人脸候选窗口及边框回归向量，利用多级卷积神经网络对人脸候选窗口进行筛选，根据每级网络得出的人脸预测值求取平均值作为最终检测结果得到人脸图像；人脸识别模块，通过Gabor小波特征从人脸图像中提取人脸的局部特征信息，并利用神经网络的卷积层提取人脸的深度特征，将融合局部特征和深度特征作为新的人脸特征并完成人脸识别；考勤模块，将识别出的人脸与数据库中的人脸进行匹配以达到考勤的目的。

2.根据权利要求1所述的基于级联神经网络和特征融合的人脸考勤系统，其特征在于，所述人脸检测模块在对图像进行预处理时，具体包括图像进行光照补偿和滤波处理，同时提取图像中人脸区域、非人脸区域和边框。

3.根据权利要求1所述的基于级联神经网络和特征融合的人脸考勤系统，其特征在于，所述人脸检测模块利用多级卷积神经网络进行检测时具体为：利用第一级神经网络进行对候选窗口及边框的预测，得出窗口为人脸的概率为X₁，将通过筛选的窗口和边框进入下级网络，得出下级的预测结果为X₂，以此类推得到每一级网络的预测结果，最后求取各级网络的预测结果值的平均值得出最后的检测结果。

4.根据权利要求1所述的基于级联神经网络和特征融合的人脸考勤系统，其特征在于，所述人脸识别模块在通过Gabor小波特征从人脸图像中提取人脸的局部特征信息时，采用的二维Gabor滤波器核为，其中，(x₀,y₀)是高斯核的中心点，θ是高斯核的旋转方向，(σ_x,σ_y)是高斯核两个方向上的尺度，(u₀,v₀)为频域坐标，K为高斯核的幅度比例；将二维Gabor滤波器核与图像卷积得到图像局部特征。

5.根据权利要求1所述的基于级联神经网络和特征融合的人脸考勤系统，其特征在于，所述人脸识别模块在利用神经网络的卷积层提取人脸的深度特征时将最后一层卷积层的输出作为人脸图像的深度特征。

6.根据权利要求1所述的基于级联神经网络和特征融合的人脸考勤系统，其特征在于，所述人脸识别模块在进行人脸识别时，将局部特征向量和深度特征向量直接拼成一个新的特征向量，然后接入全连接层作为新的特征层代入网络模型中训练，最后提取该全连接层作为人脸的特征向量。

7.根据权利要求1所述的基于级联神经网络和特征融合的人脸考勤系统，其特征在于，所述考勤模块通过计算识别出的人脸与数据库中人脸特征向量的余弦相似度的方式进行匹配，其中，相似度计算方式为为识别出的人脸的特征向量，为数据库中的人脸的特征向量。