[发明专利]基于深度学习的计算机人脸识别方法

说明书

本发明公开了基于深度学习的计算机人脸识别方法，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；S2、数据标注；S3、数据训练；S4、人脸识别，本发明的有益效果是采用基于深度学习的方法进行人脸规范性识别，识别模型可编辑，并且能提供准确的识别结果，给用户生成精准的计算机使用权，防止重要数据丢失。

技术领域

本发明涉及计算机领域，尤其是涉及基于深度学习的计算机人脸识别方法。

背景技术

计算机（computer）俗称电脑，是现代一种用于高速计算的电子计算机器，可以进行数值计算，又可以进行逻辑计算，还具有存储记忆功能。是能够按照程序运行，自动、高速处理海量数据的现代化智能电子设备。

由硬件系统和软件系统所组成，没有安装任何软件的计算机称为裸机。可分为超级计算机、工业控制计算机、网络计算机、个人计算机、嵌入式计算机五类，较先进的计算机有生物计算机、光子计算机、量子计算机等。

然而目前计算机就算设置了开机密码也容易被破解，就容易造成机密数据被盗取，有时使用者忘记密码了，就需要别人进行破解修改，机密数据也会发生被盗取的事情发生。

因此，开发基于深度学习的计算机人脸识别方法是目前亟待解决的问题。

发明内容

本发明为克服上述情况不足，旨在提供一种能解决上述问题的技术方案。

基于深度学习的计算机人脸识别方法，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。

作为本发明进一步的方案：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。

作为本发明进一步的方案：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。

作为本发明进一步的方案：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。

作为本发明进一步的方案：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。

基于深度学习的计算机人脸识别装置，用于实现所述的基于深度学习的健身房健身动作识别方法，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。

与现有技术相比，本发明的有益效果是：采用基于深度学习的方法进行人脸规范性识别，识别模型可编辑，并且能提供准确的识别结果，给用户生成精准的计算机使用权，防止重要数据丢失。