[发明专利]一种基于深度学习人脸识别技术的课堂快速点名签到方法

权利要求书

1.一种基于深度学习人脸识别技术的课堂快速点名签到方法，其特征在于，具体包括以下步骤：

步骤1，移动端摄像装置快速获取人脸图像；

步骤2，服务端获得移动端摄像装置的IP地址；

步骤3，服务端对获得的传输视频进行一帧一帧图片的转化；

步骤4，对所述一帧一帧图片利用MTCNN算法进行人脸框以及人脸关键点检测，根据检测到的人脸关键点将人脸图片对齐；

步骤5，将所述对齐后的人脸图片进行人脸特征化，根据特征化后的人脸向量与数据库中目标人脸特征进行对比，按设定阀值找出最相似的人脸图片，并生成文本文件。

2.根据权利要求1所述的基于深度学习人脸识别技术的课堂快速点名签到方法，其特征在于，在步骤2中，服务端采用urllib库的request方法对移动端摄像装置提供的IP地址进行连接。

3.根据权利要求1所述的基于深度学习人脸识别技术的课堂快速点名签到方法，其特征在于，在步骤3中，摄像装置提供的传输视频为二进制字节格式，需要转化为服务端opencv支持的图片矩阵格式。

4.根据权利要求1所述的基于深度学习人脸识别技术的课堂快速点名签到方法，其特征在于，在步骤4中，图片中人脸的定位，即人脸框坐标的寻找，通过MTCNN算法实现。

5.根据权利要求4所述的基于深度学习人脸识别技术的课堂快速点名签到方法，其特征在于，所述MTCNN算法的结构分为：

Stage1: 在构建图像金字塔的基础上，利用fully convolutional network来进行检测，同时利用boundingbox regression 和 NMS来进行修正；其中，NMS为非极大值限制；

Stage2: 将通过stage1的所有窗口输入作进一步判断，同时也要做boundingboxregression 和 NMS；

Stage3: 在stage2基础上增加更强的约束。

6.根据权利要求1所述的基于深度学习人脸识别技术的课堂快速点名签到方法，其特征在于，在步骤4中，人脸图对齐采用Procruster analysis统计方法，通过旋转、平移和缩放使得图像A尽可能与图像B的向量点对齐，并利用最小二乘法判断对齐的效果。

7.根据权利要求1所述的基于深度学习人脸识别技术的课堂快速点名签到方法，其特征在于，在步骤5中，对齐的人脸向量特征化采用FaceNet算法，将每个人脸计算为一512维特征向量。

8.根据权利要求7所述的基于深度学习人脸识别技术的课堂快速点名签到方法，其特征在于，所述FaceNet算法利用Triplet Loss损失函数来训练函数。

9.根据权利要求8所述的基于深度学习人脸识别技术的课堂快速点名签到方法，其特征在于，所述FaceNet算法使用嵌入层，将特征从原来的特征空间中映射到一个新的特征空间。