[发明专利]一种基于深度学习的人脸识别方法及系统

权利要求书

1.一种基于深度学习的人脸识别方法，其特征在于，所述方法包括：

获取待识别的人脸图像，将人脸图像的RGB颜色空间转换为HSV颜色空间，得到基于HSV颜色空间的人脸图像；

利用基于图像饱和度的自适应增强算法对基于HSV颜色空间的人脸图像进行光照补偿处理，得到光照补偿后的人脸图像；

对光照补偿后的人脸图像进行局部采样处理，得到人脸图像的局部图像采样结果矩阵；

利用基于空间局部信息的局部特征提取方法对局部图像采样结果矩阵进行特征提取，得到人脸图像的局部特征；

将人脸图像的局部特征作为神经网络模型的输入，利用多任务卷积神经网络实现人脸识别。

2.如权利要求1所述的一种基于深度学习的人脸识别方法，其特征在于，所述将人脸图像的RGB颜色空间转换为HSV颜色空间，包括：

所述颜色空间转换公式为：

V＝M_max

其中：

R，G，B为人脸图像像素在RGB颜色空间中的颜色值；

M_max为人脸图像像素在RGB颜色空间中的最大颜色值；

N_min为人脸图像像素在RGB颜色空间中的最小颜色值；

H，S，V为人脸图像像素在HSV颜色空间中的颜色值。

3.如权利要求2所述的一种基于深度学习的人脸识别方法，其特征在于，所述利用基于图像饱和度的自适应增强算法对基于HSV颜色空间的人脸图像进行光照补偿处理，包括：

1)对基于HSV颜色空间的人脸图像f(x，y)进行图像边缘增强处理：

其中：

c为常数，0＜c＜1，本发明将其设置为0.1；

f(x，y)为基于HSV颜色空间的二维人脸图像；

为拉普拉斯算子；

g(x，y)为图像边缘增强后的图像；

2)采用自适应算子对边缘增强后的图像进行自适应光照补偿：

其中：

g_v为边缘增强图像g(x，y)在V颜色通道中的颜色值，根据z值进行自适应的亮度调整；

C为亮度图像的累计直方图(CDF)达到0.1时的强度级别；

z为自适应算子；

3)根据自适应光照补偿结果，利用相对系数对图像的饱和度S进行自适应调整：

g′_s＝g_s+t(g′_v-g_v)×β

其中：

g′_v，g_v分别为光照补偿后的亮度值以及原图像亮度值；

g′_s，g_s分别为自适应增强后的饱和度值以及原图像饱和度值；

t为比例常数，本发明将其设置为0.5；

W为n×n像素大小的邻域窗口；

分别代表邻域窗口中亮度和饱和度的均值；

δ_V，δ_S分别代表邻域窗口中亮度和饱和度的方差。