[发明专利]一种基于深度残差网络的人脸识别方法

说明书

本发明公开了一种基于深度残差网络的人脸识别方法，包含以下步骤：A、图像采集器采集人脸图像并存储至存储器中；B、人脸检测模块检测人脸区域，同时定位人脸的关键点；C、裁剪出人脸区域图像，并根据人脸的关键点进行对齐；D、对人脸区域图像进行训练，计算出训练集中的平均人脸图像，把人脸图像训练集中的每副人脸区域图像减去平均人脸图像后进行网络参数的训练得到卷积神经网络的模型；E、利用训练得到的模型前向网络，获得人脸图像的特征向量；F、计算特征向量间的距离，完成分类，完成对人脸的识别，本发明能快速的进行人脸识别，并且识别人脸结果更加精确，并且能提高人脸识别技术中的准确度。

技术领域

本发明涉及人脸识别技术领域，具体是一种基于深度残差网络的人脸识别方法。

背景技术

人脸识别，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识别的一系列相关技术，通常也叫做人像识别、面部识别。人脸识别技术是基于人的脸部特征，对输入的人脸图像或者视频流.首先判断其是否存在人脸,如果存在人脸，则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息。并依据这些信息，进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个人脸的身份。

人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期，近年来，随着深度神经网络技术的快速发展，进一步推动了人脸识别技术与产品的商用。

由于深度神经网络能够对姿态，表情，装饰，遮挡，光照等有较好的鲁棒性，因此，深度神经网络在图像识别上取得了优异的结果，大大提高了复杂环境下的人脸识别系统的准确性。但同时，深度学习算法对训练样本集规模要求较大，训练的快速收敛较为困难。

发明内容

本发明的目的在于提供一种基于深度残差网络的人脸识别方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于深度残差网络的人脸识别方法，包含以下步骤：

A、图像采集器采集人脸图像并存储至存储器中；

B、人脸检测模块检测人脸区域，同时定位人脸的关键点；

C、裁剪出人脸区域图像，并根据人脸的关键点进行对齐；

D、对人脸区域图像进行训练，计算出训练集中的平均人脸图像，把人脸图像训练集中的每副人脸区域图像减去平均人脸图像后进行网络参数的训练得到卷积神经网络的模型；

E、利用训练得到的模型前向网络，获得人脸图像的特征向量；

F、计算特征向量间的距离，完成分类，完成对人脸的识别。