[发明专利]一种基于深度学习的识别模组的识别方法、设备以及介质

说明书

本发明涉及人脸识别技术领域，尤其涉及一种基于深度学习的识别模组的识别方法、设备以及介质，所述方法包括：获取摄像机采集的位于摄像机前面的图像或者视频；对所述图像或者视频进行预处理并获取所述图像或者所述视频中的人脸；提取所述人脸中的第一特征；提取人脸数据库中的人脸的第二特征；将所述第一特征与所述第二特征通过基于深度学习的算法进行识别得到识别结果；根据识别结果控制门锁打开或者提示认证失败。本发明提供的技术方案，能够提供识别速度较快，并且具有深度学习功能从而能够从多个姿势以及角度均能识别到同一业主，识别结果稳定。

技术领域

本发明涉及人脸识别技术领域，尤其涉及一种基于深度学习的识别模组的识别方法、设备以及介质。

背景技术

现有的识别模组在使用时有些具有基于机器学习的功能，但是大多数还是没有基于深度学习的功能，这样会导致识别速度较慢。并且测量姿势较为单一，导致同一业主在不同角度识别时会出现识别结果刚好相反的情况，给业主带来了极大的不便。

因此，亟需一种识别速度较快，具有深度学习功能，从而从多个姿势、角度均能识别出同一业主，同时具有识别结果稳定的基于深度学习识别模组的识别方法、设备以及介质，从而解决现有的识别模组在使用时大多数还是没有基于深度学习的功能，导致识别速度较慢，并且测量姿势较为单一导致同一业主在不同角度识别时会出现识别结果刚好相反的情况，给业主带来了极大不便的问题。

发明内容

本发明的主要目的在于提供识别速度较快，并且具有深度学习功能从而能够从多个姿势以及角度均能识别出同一业主，识别结果稳定的基于深度学习识别模组的识别方法、设备以及介质。

为实现上述目的，本发明第一方面提供了一种基于深度学习识别模组的识别方法，所述方法包括：

获取摄像机采集的位于摄像机前面的图像或者视频；

对所述图像或者视频进行预处理并获取所述图像或者所述视频中的人脸；

提取所述人脸中的第一特征；

提取人脸数据库中的人脸的第二特征；

将所述第一特征与所述第二特征通过基于深度学习的算法进行识别得到识别结果；

根据识别结果控制门锁打开或者提示认证失败。

作为一种改进，所述方法还包括：

对所述基于深度学习的算法进行训练，所述训练包括向前传播和向后传播两个阶段；

向前传播阶段：

获取所有样本，从所有样本中取其中一个(X，Yp)，并将X视为输入网络；

通过输入信息计算输出Op；

输入信息经过六次转换传递到输出中；且在传递过程中，六层中每一层的权值矩阵与输入信息相点乘，从而获得输出的结果Op，具体通过式1-1得到；

Op＝Fn(…(F2(F1(Xp W⁽¹⁾)W⁽²⁾)…)W⁽ⁿ⁾) (1-1)

向后传播阶段：

通过输入输出的值，计算输入值和输出值之间的实际误差值；

利用反向传播方法调整权矩阵，直至误差达到最小。

作为一种改进，所述方法还包括计算卷积层的梯度；所述计算卷积层的梯度包括：

通过对前一层的输入特征进行卷积运算，得到一个输出的特征图，所述输出的特征图与多个输入图与之相关联通过公式(1-2)表示: