[发明专利]基于级联的深层卷积神经网络的人脸识别方法及系统

权利要求书

1.一种基于级联的深层卷积神经网络的人脸识别方法，其特征在于，包括：

利用级联的深层卷积神经网络提取人脸特征；

根据提取的所述人脸特征进行人脸识别；

所述利用级联的深层卷积神经网络提取人脸特征，包括：

将人脸图像数据发送至第一网络，预测人脸边框回归；

将第一网络的输出发送至第二网络，预测面部关键点位置；

将第二网络的输出发送至第三网络，提取人脸特征；

所述第一网络为人脸检测网络(Face Detection Network，简称为FDNet)，第二网络为关键点检测网络(Key-point Detection Network，简称为KDNet)，第三网络为特征提取网络(Feature Extraction Network，简称为FENet)；

所述人脸检测网络以移动网为骨干，直接对人脸的边框回归，并同时预测置信度；

基于所述人脸检测网络的输出，将边框截取出来，变换尺寸至固定尺寸，送入所述网络关键点检测网络直接预测所述面部关键点位置；

基于所述面部关键点的输出，将整帧图像进行相似变换，映射至固定黄金位置，将映射后的人脸图像变换尺寸至固定尺寸送入所述网络特征提取网络，提取所述人脸特征。

2.根据权利要求1所述的人脸识别方法，其特征在于，所述将第一网络的输出发送至第二网络，预测面部关键点位置，包括：

将第一网络的输出进行边框截取及尺寸变换操作之后再发送至所述第二网络；以及

利用第二网络预测面部关键点位置。

3.根据权利要求1所述的人脸识别方法，其特征在于，所述将第二网络的输出发送至第三网络，提取人脸特征，包括，

将第二网络的输出进行相似变换、映射及尺寸变换操作之后再发送至第三网络；以及

利用第三网络提取人脸特征。

4.根据权利要求1所述的人脸识别方法，其特征在于，在利用级联的深层卷积神经网络提取人脸特征之前，还包括：采集人脸图像数据。

5.一种基于级联的深层卷积神经网络的人脸识别系统，其特征在于，包括：

特征提取模块，用于利用级联的深层卷积神经网络提取人脸特征；

人脸识别模块，与所述特征提取模块连接，用于根据提取的所述人脸特征进行人脸识别；

第一网络，用于接收人脸图像数据，预测人脸边框回归；

第二网络，用于接收所述第一网络的输出，并预测面部关键点位置；

第三网络，用于接收所述第二网络的输出，并提取人脸特征；

所述第一网络为人脸检测网络(Face Detection Network，简称为FDNet)，第二网络为关键点检测网络(Key-point Detection Network，简称为KDNet)，第三网络为特征提取网络(Feature Extraction Network，简称为FENet)；

所述人脸检测网络以移动网为骨干，直接对人脸的边框回归，并同时预测置信度；

基于所述人脸检测网络的输出，将边框截取出来，变换尺寸至固定尺寸，送入所述网络关键点检测网络直接预测所述面部关键点位置；

基于所述面部关键点的输出，将整帧图像进行相似变换，映射至固定黄金位置，将映射后的人脸图像变换尺寸至固定尺寸送入所述网络特征提取网络，提取所述人脸特征。

6.根据权利要求5所述的人脸识别系统，其特征在于，所述特征提取模块包括：

边框截取单元，用于接收第一网络的输出，并进行边框截取及尺寸变换操作；

相似变换单元，用于接收所述第二网络的输出，并进行相似变换、映射及尺寸变换操作。

7.根据权利要求5所述的人脸识别系统，其特征在于，还包括采集模块，用于采集人脸图像数据。