[发明专利]一种图像识别方法、人脸考勤方法、装置以及系统

权利要求书

1.一种图像识别方法，其特征在于，所述方法包括：

获取预存图像；

利用第一损失函数对全卷积神经网络的训练过程进行监督，得到优化全卷积神经网络，基于所述优化全卷积神经网络，建立图像比对库；

获取比对图像；

将所述比对图像以及图像比对库输入所述优化全卷积神经网络，获取图像识别结果。

2.根据权利要求1所述的图像识别方法，其特征在于：所述利用第一损失函数对全卷积神经网络的训练过程进行监督，得到优化全卷积神经网络，基于所述优化全卷积神经网络，建立图像比对库，包括：

将预设的图像训练库中的图像进行校准，获取校准后的图像；

将校准后的图像输入包括全卷积神经网络的网络结构，提取校准后的图像的特征向量并通过第一损失函数对所述全卷积神经网络的训练进行监督，获取优化全卷积神经网络。

3.根据权利要求1所述的图像识别方法，其特征在于，所述第一损失函数为：

当s＝30，

当s＝20，

其中，Ls为预测值，N是样本的数量，C是类别数量，m是类间的角度裕量，θ_j是权重和特征向量之间的夹角，s为常量尺度，θ_i,yi是指特征向量与该特征向量对应类别的夹角。

4.根据权利要求1所述的图像识别方法，其特征在于，所述图像包括人脸图像。

5.一种人脸考勤方法，其特征在于，所述方法包括：

获取预存人脸图像；

利用第一损失函数对全卷积神经网络的训练过程进行监督，得到优化全卷积神经网络，基于所述优化全卷积神经网络，建立人脸图像比对库；

获取比对人脸图像；

将所述比对人脸图像以及人脸图像比对库输入所述优化全卷积神经网络，获取人脸图像识别结果；

根据人脸图像识别结果，生成人脸考勤结果。

6.根据权利要求5所述的人脸考勤方法，其特征在于，所述第一损失函数为：

当s＝30，

当s＝20，

其中，Ls为预测值，N是样本的数量，C是类别数量，m是类间的角度裕量，θ_j是权重和特征向量之间的夹角，s为常量尺度，θ_i,yi是指特征向量与该特征向量对应类别的夹角。

7.根据权利要求5所述的人脸考勤方法，其特征在于：所述利用第一损失函数对全卷积神经网络的训练过程进行监督，得到优化全卷积神经网络，基于所述优化全卷积神经网络，建立人脸图像比对库，包括：

将第一帧画面中所有的预存人脸图像分别建立对应的人脸文件夹；

将所述人脸文件夹输入优化全卷积神经网络，以及将除第一帧画面外其余预存人脸图像依次输入优化全卷积神经网络，获取人脸文件夹的预存人脸图像对应的第一特征向量群以及其余预存人脸图像对应的第二特征向量群；

将第二特征向量群中的特征向量依次与第一特征向量群中所有特征向量分别进行匹配；

当第二特征向量群中特征向量与第一特征向量群的特征向量匹配失败时，新建一个与该其余预存人脸图像对应的人脸文件夹；

当第二特征向量群中特征向量与第一特征向量群的特征向量匹配成功时，将匹配成功的两个特征向量分别计算对应的二范数，并将二范数较大对应的预存人脸图像作为该人脸文件夹中的预存人脸图像；

根据所有人脸文件夹，建立人脸图像比对库。

8.根据权利要求5-7任一项所述的人脸考勤方法，其特征在于，所述将所述比对人脸图像以及图像比对库输入所述优化全卷积神经网络，获取人脸图像识别结果，包括：

将所述比对人脸图像输入优化全卷积神经网络，获取比对人脸图像对应的特征向量；

将所述人脸图像比对库输入优化全卷积神经网络，获取第三特征向量群；

将所述特征向量与第三特征向量群中的多个特征向量依次进行比对，获取人脸图像识别结果。