[发明专利]一种基于深度神经网络的人脸识别方法和系统

权利要求书

1.一种基于深度神经网络的人脸识别方法，其特征在于，所述方法包括以下步骤：

步骤1：采集人脸的RGB图像和红外图像，对RGB图像和红外图像进行预处理；

步骤2：将预处理后的RGB图像和红外图像输入到预先训练的人脸识别模型进行人脸识别，得到人脸识别结果。

2.根据权利要求1所述的基于深度神经网络的人脸识别方法，其特征在于，所述人脸识别模型通过如下步骤预先训练得到：

步骤2.1：采集包含人脸的RGB图像和红外图像，对RGB图像和红外图像进行预处理后得到训练样本，每一个训练样本的图像均带有身份标签；

步骤2.2：将训练样本的图像输入神经网络模型，训练得到人脸识别模型。

3.根据权利要求1所述的基于深度神经网络的人脸识别方法，其特征在于，将训练样本的图像输入到神经网络模型进行训练的具体步骤如下：

步骤2.2.1：将训练样本的图像输入神经网络模型的卷积层进行线性变换；

步骤2.2.2：使用ReLU激活函数对每次卷积处理后的图像进行非线性变换；

步骤2.2.3：使用Max Pooling层对每次非线性变化后的图像进行下采样；

步骤2.2.4：将下采样后的图像输入到全连接层，并通过Softmax Loss层计算网络损失，进而得到人脸识别模型。

4.根据权利要求2所述的基于深度神经网络的人脸识别方法，其特征在于：对RGB图像和红外图像进行预处理的步骤如下：

步骤1.1：对RGB图像进行灰度图像处理，对红外图像进行校正处理；

步骤1.2：对灰度图像处理后的RGB图像进行WF去光照处理，对校正后的红外图像进行直方图均衡化处理；

步骤1.3：采用特征提取得到RGB图像和红外图像的特征点的特征向量；

步骤1.4：将RGB图像和红外图像的特征向量的同名点进行特征匹配；

步骤1.5：将同名点连接构造变换模型，通过仿射变换得到配准图像，基于配准图像进行图像融合。

5.一种基于深度神经网络的人脸识别系统，其特征在于，所述装置包括

图像采集模块：对人脸进行图像采集，得到RGB图像和红外图像；

图像预处理模块：将采集的RGB图像和红外图像进行图像处理；

图像配准模块：将图像处理后的RGB图像和红外图像进行配准；

图像融合模块：将配准后的RGB图像和红外图像进行融合；

人脸识别模块：对融合处理后的图像进行人脸识别，得到人脸识别结果。

6.根据权利要求5所述的基于深度神经网络的人脸识别系统，其特征在于：所述人脸识别模块是基于神经网络模型预先训练得到的。