[发明专利]一种基于深度学习的多人脸识别方法、系统和介质

权利要求书

1.一种基于深度学习的多人脸识别方法，其特征在于，所述方法包括：

步骤S1、对采集到的多人脸图像进行预处理，以获取所述多人脸图像的图像金字塔；

步骤S2、对所述多人脸图像进行人脸识别以及场景识别；其中：

所述人脸识别具体包括：

基于所述图像金字塔，利用包含三级网络的多任务级联卷积神经网络，通过数据增强和检测优化对所述多人脸图像一次性执行针对多人脸的人脸检测和对齐，以获取多个候选人脸图像，其中所述三级网络分别为P-Net、R-Net、O-Net；以及

根据所述人脸检测和对齐的结果，利用轻量级网络模型从所述多人脸图像中提取所述多个候选人脸图像的图像特征，以基于所述图像特征，利用经训练的人脸识别模型，对所述多个候选人脸图像同步执行人脸识别，以得到人脸识别结果，其中所述人脸识别结果包括经所述人脸识别确定的人员的身份信息；

所述场景识别具体包括：

基于场景理解确定所述多人脸图像所属的场景作为场景识别结果；

步骤S3、根据所述人脸识别结果和所述场景识别结果，提取经所述人脸识别确定的所述人员在经所述场景识别确定的所述场景中对应的场景信息；

步骤S4、可视化所述人员的身份信息和场景信息。

2.根据权利要求1所述的一种基于深度学习的多人脸识别方法，其特征在于，在所述步骤S1中，所述预处理包括：对所述多人脸图像进行中值滤波；剪裁经所述中值滤波的多人脸图像至预定尺寸；堆叠符合所述预定尺寸的多人脸图像以获取所述图像金字塔。

3.根据权利要求1所述的一种基于深度学习的多人脸识别方法，其特征在于，在所述步骤S2中，利用包含三级网络的多任务级联卷积神经网络，通过数据增强和检测优化对所述多人脸图像一次性执行针对多人脸的人脸检测和对齐，以获取所述多个候选人脸图像，具体包括：

所述P-Net为第一级网络，利用所述P-Net，对所述图像金字塔中的图像进行基于检测框的分类结果的粗筛选，以获取第一候选集，并确定所述第一候选集中的图像的检测框的坐标信息；

所述R-Net为第二级网络，利用所述R-Net，基于所述检测框的坐标信息从所述多人脸图像中截取对应的图像，以获取第二候选集；

所述O-Net为第三级网络，利用所述O-Net，对所述第二候选集中的图像进行优化筛选，以获取第三候选集，并提取所述第三候选集中的图像的检测框的坐标信息和关键点的坐标信息；

将所述第三候选集中的图像作为所述多个候选人脸图像，将所述第三候选集中的图像的检测框的坐标信息和关键点的坐标信息作为所述多个候选人脸图像的附加信息。

4.根据权利要求1所述的一种基于深度学习的多人脸识别方法，其特征在于，在所述步骤S2中，对所述多个候选人脸图像同步执行人脸识别，以得到人脸识别结果，具体包括：根据所述图像特征和预设权重，利用Softmax函数计算各个候选人脸图像的输出概率，基于所述输出概率确定所述识别结果。