[发明专利]一种基于深度学习的人脸快速识别方法

说明书

本发明公开了一种基于深度学习的人脸快速识别方法，收集N个带有人脸的图片，处理生成对应N个人脸样本图片，并将N个所述人脸样本图片提取人脸特征点数据存入数据库中；对N个所述人脸图片进行深度学习，建立学习模型；将输入的视频流与所述学习模型比对，对视频人脸进行采集形成人脸图片；提取人脸特征点数据；将该人脸特征点数据与数据库中已存储的人脸特征点数据进行比对判断，采用本发明人脸快速识别方法不仅提高了人脸识别效率而且人脸识别的精度。

技术领域

本发明涉及人脸识别技术领域，具体涉及一种基于深度学习的人脸快速识别方法。

背景技术

人脸识别，通常也叫做人像识别、面部识别，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，用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，以达到识别不同人身份的目的。

目前的人脸识别技术存在如下以下的不足或缺陷：

(1)人脸识别速度慢，现有人脸识别系统大多需要用户配合，用户按照要求执行相应指令后，在采集条件比较理想的情况下，才能完成识别检测；

(2)人脸识别精确度低，导致识别效率低，如光照不均匀，阴阳脸，分辨率低，背景干扰等)，有各种遮挡的情况下，都会导致识别率将大大降低。

(3)采用深度学习算法进行特征提取，避免人为干涉，通过设备的自身学习寻找最优特征。但其也存在海量样本库，训练周期长，对设备配置要求高等缺点。

发明内容

本发明的目的在于克服现有技术问题，提出一种基于深度学习的人脸快速识别方法。

为达成上述目的，本发明采用如下技术方案：

本发明提供了一种基于深度学习的人脸快速识别方法，包括如下步骤：

步骤一，收集N个带有人脸的图片，处理生成对应N个人脸样本图片，并将N个所述人脸样本图片提取人脸特征点数据存入数据库中；

所述人脸样本图片的生成方式为，先将带有人脸的图片识别出人眼区域图像、鼻子区域图形、嘴巴区域图形，并定位出两个眼睛、鼻子、嘴巴的中心位置，将人眼区域图像的两眼位置对齐在同一水平线上、两个眼睛、鼻子、嘴巴的中心位置在同一垂直线上进行旋转和/或平移处理图片，通过矩形框式裁剪人脸图像形成人脸样本图片，所述矩形框垂直中心线对准两眼之间的中心位置；

步骤二，对N个所述人脸图片进行深度学习，建立学习模型；

步骤三，将输入的视频流与所述学习模型比对，对视频人脸进行采集形成人脸图片；先将视频流截取带有人脸的图片，并在所述图片识别出人眼区域图像、鼻子区域图形、嘴巴区域图形，并定位出两个眼睛、鼻子、嘴巴的中心位置，将人眼区域图像的两眼位置对齐在同一水平线上、两个眼睛、鼻子、嘴巴的中心位置在同一垂直线上进行旋转和/或平移处理图片，通过矩形框式裁剪所述图像形成人脸图片，所述矩形框垂直中心线对准两眼之间的中心位置；

步骤四，从采集到的所述人脸图片，提取人脸特征点数据；

步骤五，将该人脸特征点数据与数据库中已存储的人脸特征点数据进行比对，判断该人脸特征点数据与数据库中已存储的人脸特征点数是否相似，若相似，则调取数据库已存储的人脸特征点对应的人脸样本信息，否则，结束。

上述基于深度学习的人脸快速识别方法，通过卷积神经网络中的深度学习模型定位人脸图像中的人脸特征点数据。

进一步地，所述人脸特征点包括器官特征点和轮廓特征点以及器官位置点。

上述基于深度学习的人脸快速识别方法的步骤四中，提取人脸特征点数据前，将采集到的所述人脸图片的图片分辨率调整为人脸样本图片相同的分辨率。