[发明专利]基于深度学习的计算机人脸识别方法

权利要求书

1.基于深度学习的计算机人脸识别方法，其特征在于，以实时视频作为媒介，采用基于深度学习的方法对其进行人脸识别，包括如下步骤：

S1、数据采集，对使用者的人脸进行拍摄，将使用者的人脸记录为图像；

S2、数据标注，通过标注的方式对S1获得的人脸图形进行保存；

S3、数据训练，采用深度学习方法Caffe中基于卷积神经网络的物体检测识别框架，对S2保存的人脸图形进行规范图像识别训练，得到规范人脸识别模型；

S4、人脸识别，对用户进行拍摄，并通过S3获得的规范人脸识别模型，对实时视频中的用户图像进行搜索，识别出与规范人脸识别模型中规范人脸相符的用户。

2.根据权利要求1所述的基于深度学习的计算机人脸识别方法，其特征在于，所述的S1，拍摄的方式为对包括但不限于脸型等身体特征各不相同的多名用户进行拍摄。

3.根据权利要求2所述的基于深度学习的计算机人脸识别方法，其特征在于，所述的S2，规范脸型的标注参数包括但不限于对图像中眼睛、鼻子、耳朵、嘴巴等脸部部位进行颜色标记或者框选标记。

4.根据权利要求3所述的基于深度学习的计算机人脸识别方法，其特征在于，所述的S3，规范人脸识别模型学习并记忆包括但不限于脸型部位在图像中的相对位置、是否移动、移动幅度、移动速度、移动频率等规范运动值。

5.根据权利要求4所述的基于深度学习的计算机人脸识别方法，其特征在于，所述的S4根据规范人脸识别模型对用户脸型中包括但不限于脸部部位在图像中的相对位置、是否移动、移动幅度、移动速度、移动频率等用户运动值进行识别。

6.基于深度学习的计算机人脸识别装置，用于实现权力要求1到5任一项所述的基于深度学习的健身房健身动作识别方法，其特征是，包括：

摄像头或光学传感器，用于所述的基于深度学习的计算机人脸识别方法S1中对使用者人脸进行拍摄，及其S4中对用户进行拍摄识别；

处理模块与处理中心，用于所述的基于深度学习的计算机人脸识别方法S3中对规范人脸图像进行识别得到规范人脸识别模型，以及用于S4中识别用户脸型；

云平台，用于存储所述的基于深度学习的计算机人脸识别方法S5中获得的规范人脸识别模型数据。