[发明专利]基于人脸智能识别的信息输出方法、装置及存储介质

说明书

本发明涉及一种人工智能技术，揭露了一种基于人脸智能识别的信息输出方法，包括：获取信息集、照片集及标准人脸集；利用所述照片集得到梯度特征集，从所述梯度特征集中提取出人脸并输出人脸集；将所述人脸集和所述标准人脸集组成训练集，所述信息集作为标签集，将所述训练集及所述标签集输入至卷积神经网络中训练，直至训练阈值小于预设阈值后退出训练；接收用户图片或视频，从所述图片或视频中提取出用户人脸，将所述用户人脸输入至所述卷积神经网络中，所述卷积神经网络识别出所述用户人脸并输出对应信息。本发明还提出一种基于人脸智能识别的信息输出装置以及一种计算机可读存储介质。本发明可以实现精准的人脸智能识别及信息输出功能。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于人脸智能识别的信息输出方法、装置及计算机可读存储介质。

背景技术

人脸识别在近几年迎来井喷式落地应用，相较于指纹识别、虹膜识别等传统的生物识别方式，人脸识别优点主要集中在四点：非接触性、非侵扰性、采集快捷便利、可拓展性好。但目前人脸识别多使用传统的数字图像处理技术加机器学习算法实现，较为常用的机器学习算法如支持向量机等，虽然可以完成所述人脸识别，但识别精度不高，同时，目前结合人脸识别的进一步应用较少。

发明内容

本发明提供一种基于人脸智能识别的信息输出方法、装置及计算机可读存储介质，其主要目的在于当接收到图片或视频时，精确地识别所述图片或视频中的人脸，并根据识别出的人脸输出对应的信息、祝福语等。

为实现上述目的，本发明提供的一种基于人脸智能识别的信息输出方法，包括：

步骤A：获取信息集、照片集及标准人脸集，并对所述照片集进行包括降噪的预处理操作；

步骤B：基于方向梯度直方运算对所述照片集进行计算，得到所述照片集的梯度特征集，基于提升算法和所述标准人脸集从所述梯度特征集中提取出人脸并输出人脸集，将所述信息集作为标签集以及将所述人脸集和所述标准人脸集组成训练数据，并将所述训练数据划分为训练集和测试集；

步骤C：将所述训练集及所述标签集输入至卷积神经网络中训练，使所述卷积神经网络不断更新内部的权重及偏置系数，直至所述卷积神经网络输出的训练值小于预设阈值后退出训练；

步骤D：将所述测试集和所述标签集输入至所述卷积神经网络中，并判断所述卷积神经网络对所述测试集的人脸识别率与预设准确率阈值的大小，若所述卷积神经网络对所述测试集的人脸识别准确率小于预设准确率阈值，则返回步骤C，若所述卷积神经网络的识别准确率大于预设准确率阈值，则所述卷积神经网络完成训练；

步骤E：接收用户图片或视频，基于所述方向梯度直方运算和所述提升算法从所述图片或视频中提取出用户人脸，将所述用户人脸输入至所述卷积神经网络中，所述卷积神经网络识别出所述用户人脸并输出所识别的用户人脸对应的祝福信息。

可选地，所述信息集包括用户信息集和团体信息集，所述信息集包括用户信息集，所述用户信息集包括用户生日、爱好、生活习惯；

所述照片集包括个人照片集，所述个人照片集包括用户生活照、用户团体活动的个人照。

可选地，所述降噪处理采用如下自适应图像降噪滤波法：

g(x，y)＝η(x，y)+f(x，y)

其中，(x，y)表示所述照片集内图像像素点坐标，f(x，y)为基于所述自适应图像降噪滤波法对所述照片集进行降噪处理后的输出数据，η(x，y)为噪声，g(x，y)为所述照片集，为所述照片集的噪声总方差，为所述(x，y)的像素灰度均值，为所述(x，y)的像素灰度方差，L表示当前像素点坐标。

可选地，基于方向梯度直方运算计算所述照片集得到梯度特征集，包括：