[发明专利]一种基于3D卷积神经网络的人脸动态识别方法及系统

权利要求书

1.一种基于3D卷积神经网络的人脸动态识别方法，其特征在于：包括以下步骤：

从视频流中提取图像帧，跟踪人脸目标，获取人脸目标对应的人脸序列；

对人脸序列进行预处理，以获取满足预定标准的人脸序列；

将预处理后的人脸序列输入3D卷积神经网络进行训练，更新3D卷积神经网络各层的权值，以得到训练好的3D卷积神经网络；

将预处理后的人脸序列输入训练好的3D卷积神经网络，提取人脸序列的人脸特征；

将人脸特征与目标库的特征模板进行比对，返回目标库中与当前人脸特征相匹配的人脸识别信息。

2.根据权利要求1所述的基于3D卷积神经网络的人脸动态识别方法，其特征在于：从视频流中提取的图像帧为视频流的关键帧。

3.根据权利要求1所述的基于3D卷积神经网络的人脸动态识别方法，其特征在于：所述预处理包括人脸序列的筛选、图像的均衡化、图像的归一化、人脸矫正、图像缩放中的一种或组合；所述预定标准包括尺寸、人脸角度、图片亮度、清晰度中的一种或组合。

4.根据权利要求1所述的基于3D卷积神经网络的人脸动态识别方法，其特征在于：将预处理后的人脸序列输入3D卷积神经网络进行训练，更新3D卷积神经网络各层的权值，以得到训练好的3D卷积神经网络包括以下步骤：

按照帧序获取若干张预处理后的人脸序列图像；

以m张图像为一组，当m≤n时，按帧序分别选择图像Fk～Fk+m-1作为一组，共n-m+1组，其中，k＝0,1,2,...,n-m；当m＞n时，选择所有的n张照片作为一组；

读取各组图像中每个图像的像素，为每组图像依帧序堆叠构建大小为w×h×m的三维像素矩阵；其中，w为图像的宽像素，h为图像的高像素；当m＞n时，依次重复堆叠n张图像直到填满m维的矩阵；

计算所获取的所有w×h×m三维像素矩阵在各个坐标位置上的像素均值；

将w×h×m三维像素矩阵各个坐标位置上的像素减去像素均值后输入3D卷积神经网络，更新3D卷积神经网络各层的权值，以得到训练好的3D卷积神经网络。