[发明专利]基于人脸识别的排队方法、装置及计算机可读存储介质

权利要求书

1.一种基于人脸识别的排队方法，其特征在于，所述方法包括：

步骤A：数据接收层接收包括用户的证件人脸图片、用户昵称和用户住址的证件信息集，将所述证件信息集中所述证件人脸图片输入至数据库内的注册集的训练集中，将所述用户昵称和所述用户住址输入至所述数据库内的注册集的标签集中，并提示所述用户接收排队等待号码，当未检测到所述用户点击预设的数据接收框确认接收到所述排队等待号码时，所述数据接收层销毁所述注册集内的所述用户的证件信息集，当检测到所述用户点击预设的数据接收框确认接收到所述排队等待号码时，所述数据库将所述注册集输入至模型训练层，并将所述排队等待号码输入至号码读取层，所述号码读取层按照栈数据读取形式存储所述排队等待号码；

步骤B：所述模型训练层将所述注册集输入至卷积神经网络中进行训练，并输出训练值集合，直至所述卷积神经网络满足预设训练要求时退出训练，所述卷积神经网络包括十六层卷积层和十六层池化层、一层全连接层，所述卷积神经网络接收所述注册集后，将所述注册集输入至所述十六层卷积层和十六层池化层进行卷积操作和最大池化操作，得到降维数据集，将所述降维数据集输入至全连接层，所述全连接层接收所述降维数据集，并结合激活函数计算得到所述训练值集合，并将所述训练值集合和所述标签集输入至所述模型训练层中，利用所述模型训练层中的损失函数计算出损失值，判断所述损失值与预设训练阈值的大小关系，直至所述损失值小于所述预设训练阈值时，所述卷积神经网络退出训练，其中，所述卷积操作为：

其中ω’为输出数据，ω为输入数据，k为卷积核的大小，s为所述卷积操作的步幅，p为数据补零矩阵；

所述激活函数为：

其中y为所述训练值集合，e为无限不循环小数；

步骤C：所述号码读取层根据所述栈数据读取形式依次读取并输出每一个栈内排队等待号码，每输出一个栈内排队等待号码时，所述号码读取层提示人脸实时捕捉层捕捉人脸；

步骤D：所述人脸实时捕捉层在预设时间内捕捉人脸，当所述人脸实时捕捉层在所述预设时间内捕捉到人脸时，所述人脸实时捕捉层将捕捉到的所述人脸输入至所述模型训练层，所述模型训练层基于捕捉到的所述人脸与所述训练值集合，计算得到人脸相似度集，当所述人脸相似度集均低于预设人脸相似度阈值时，输出用户排队失败的信息，当所述人脸相似度集存在高于预设人脸相似度阈值的相似度值时，选择所述注册集内相似度值最高的证件信息集并输出排队成功的信息。

2.如权利要求1所述的基于人脸识别的排队方法，其特征在于，所述号码读取层包括栈结构的存储单元，所述栈结构的存储单元用于接收排队等待号码，并将排队等待号码存储至栈底。

3.一种基于人脸识别的排队装置，其特征在于，所述装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的基于人脸识别的排队程序，所述基于人脸识别的排队程序被所述处理器执行时，以实现如权利要求1至2中任一项所述的基于人脸识别的排队方法的步骤。

4.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于人脸识别的排队程序，所述基于人脸识别的排队程序可被一个或者多个处理器执行，以实现如权利要求1至2中任一项所述的基于人脸识别的排队方法的步骤。