[发明专利]一种基于深度学习的人脸识别方法

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：包括以下步骤：

A、图像采集器采集人脸图像并存储至存储器中；

B、特征提取模块提取人脸部特征并通过图像分割模块对人脸图像进行随机分割；

C、分割后的图像发送至人脸数据库中通过匹配模块进行匹配，匹配局部图像块获得对应关键点的图像块对；

D、对人脸图像进行训练，计算出训练集中的平均人脸图像，把人脸图像训练集中的每幅人脸图像减去平均人脸图像后进行网络参数的训练，得到卷积神经网络模型；

E、利用深度卷积神经网络提取出分割图像的图像块对的特征向量；

F、最后计算特征向量的分类器决策分，判断出分类器决策分最高的图像块对，即完成对人脸的识别。

2.根据权利要求1所述的一种基于深度学习的人脸识别方法，其特征在于：所述步骤B中图像分割方法包括以下步骤：

A、提取采集到人脸图像中的各个图像块的图像特征，每个图像块包括一个或更多个像素；其中，图像特征为颜色特征或灰度特征的均值或中值；

B、基于各图像块的图像特征来评估在空间上相邻的两个或更多个相邻图像块被聚类到同一聚类中的置信度 ；

C、对图像块进行基于样例的聚类，图像块的每一聚类形成输入人脸图像的一个分割区域，即完成对人脸图像的随机分割。

3.根据权利要求1所述的一种基于深度学习的人脸识别方法，其特征在于：所述步骤B中人脸部特征提取方法包括以下步骤：

A、将采集到的人脸图像随机划分为若干个块，且每个块包括若干个单元格；

B、将每个单元格从空间域转化为频率域；

C、提取人脸图像在频率域中的方向梯度直方图HOG特征。

4.根据权利要求3所述的一种基于深度学习的人脸识别方法，其特征在于：所述步骤C提取方法包括：计算频率域中每个单元格的梯度大小和梯度方向，得到每个单元格的描述子；统计频率域中每个块内的各个所述描述子，得到每个块的HOG特征；统计人脸图像在频率域中各个块的HOG特征，得到人脸图像的HOG特征。