[发明专利]一种基于深度神经网络的人脸识别方法和系统

说明书

本发明提供一种基于深度神经网络的人脸识别方法和系统，涉及人脸识别领域，所述方法包括步骤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。本发明中通过将红外图像和可见光图像进行融合，结合红外图像和可见光图像的优点，防止暗光、遮挡等情况下，对可见光图像采集的影响，同时克服红外图像采集易受环境温度影响、对眼镜等玻璃制品难以穿透形成黑色阴影，影响图像采集质量的问题，提高人脸识别在暗光、遮挡等特殊情况下的正确率。

技术领域

本发明涉及人脸识别领域，尤其涉及一种基于深度神经网络的人脸识别方法和系统。

背景技术

人脸识别技术在计算机视觉、客户身份鉴别、多媒体数据检索等领域有着十分广泛的应用前景，随着人脸识别技术的不断成熟和完善，可以根据用户的表情或者神态做出合理相应，根据姿态、表情、配饰等进行辨别，但是随着可见光光线的变化，人脸特征会发生巨大变化，在户外、昏暗光照及非均匀照明条件下都会严重影响人脸的识别，此外，对于公安机关破案需要逮捕的犯罪人员，往往会采取伪装、遮挡的方式逃避摄像图像采集，给人脸识别以及身份的确认带来了很大的困难。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于深度神经网络的人脸识别方法和系统，将红外图像和可见光图像进行融合，解决现有人脸识别在暗光、遮挡情况下正确率低的问题。

本发明提供一种基于深度神经网络的人脸识别方法，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。

进一步的，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。

进一步的，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。

进一步的，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。

一种基于深度神经网络的人脸识别系统，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；