[发明专利]一种移动终端的多面部识别方法

权利要求书

1.一种移动终端的多面部识别方法，其特征在于，包括如下步骤：

步骤1、建立面部识别数据库；

步骤2、初始化摄像头；

步骤3、在教室采集正在上课同学的图像，拍照采集图像时所有同学面对摄像头；

步骤4、将所述采集的图像传输到系统后端；

步骤5、系统后端进行图像预处理、检测与定位、特征提取以及面部匹配与识别；

步骤6、根据面部识别结果，对比上课应到名单，得出缺勤同学数据。

2.根据权利要求1所述的一种移动终端的多面部识别方法，其特征在于：

所述步骤1包括：首先收集一个班级同学们的个人面部照片，建立面部库；

对前期面部库中面部图像进行预先处理，进行面部对齐和存储面部图像的缩略图；

建立面部库时，以考勤班级为单位搜集同学们若干数量个人正脸、多角度、多光照条件无遮挡照片，放入系统后端的文件夹中，并以班级为单位建立学生名单。

3.根据权利要求1所述的一种移动终端的多面部识别方法，其特征在于：

所述步骤5中，图像预处理包括面部图像增强，面部扶正和归一化；通过图像增强改善面部图像的品质使图像更便于计算机处理和识别；通过面部扶正获得正确的位置的面部图像；通过归一化获得标准化面部图像，实现面部图像大小的一致性和面部图像的相同灰度值范围。

4.根据权利要求1所述的一种移动终端的多面部识别方法，其特征在于：

所述步骤5中，采用基于深度学习的MTCNN面部检测算法对课堂上老师拍摄到的考勤情况进行面部检测；所述的检测包括三个阶段：第一阶段通过第一CNN网络快速生成一系列候选窗口；第二阶段通过第二CNN网络过滤大多数非面部候选窗口；第三阶段通过第三CNN网络在面部找到五个标记点。

5.根据权利要求1所述的一种移动终端的多面部识别方法，其特征在于：

所述的检测的三个阶段具体包括：

第一阶段：第一CNN网络是一个完全卷积的神经网络P-Net；其用于确保面部区域的窗口和边界框回归，通过BB回归的结果校对所获得的面部区域的窗口；然后通过非最大抑制NMS合并重叠窗口；

第二阶段：第二网络为优化网络R-Net，过滤多数非面部区域候选者窗口，然后继续纠正BB回归的最终结果，并使用非最大抑制NMS进行合并；

第三阶段：第三网络为O-Net，输入第二阶段数据进一步提取，最后输出五个面部标记点。

6.根据权利要求1所述的一种移动终端的多面部识别方法，其特征在于：

所述步骤5还包括：采用预训练的FaceNet对检测的面部进行嵌入embedding，embedding成多维度的特征；最后对面部embedding后的特征采用K最邻近KNN机器学习方法进行分类，实现面部识别。

7.根据权利要求1所述的一种移动终端的多面部识别方法，其特征在于：所述步骤6还包括：

使用H5技术编写前端手机界面，包括拍摄照片、上传图片、接受信息、考勤展示功能；

系统后端的电脑得到前端传输的照片图像之后，调用面部识别接口，与面部库中的面部对别，最终将图片中未出现在面部库的面部名称即缺勤人的名单返回给前端，实现考勤的功能。