[发明专利]基于数据样本与测试数据集训练的人脸识别方法及系统

说明书

本发明公开了一种基于数据样本与测试数据集训练的人脸识别方法及系统，其中，该方法包括：采集原始人脸图像；对所述原始人脸图像进行人脸检测处理，获得待识别的人脸图像；对所述待识别的人脸图像进行人脸对齐处理，获得对齐处理后的人脸图像样本数据；结合测试数据集对所述人脸图像样本数据进行训练，获得人脸特征库；在所述人脸特征库中对所述待识别的人脸图像进行识别，获得人脸识别结果。在本发明实施例中，通过将开放性测试数据集与人脸识别过程中产生的带标注的个性化数据样本进行联合训练，将人脸识别技术与大数据技术进行结合，可提高人脸识别的速度、效率及准确率。

技术领域

本发明涉及图像处理、人工智能、大数据等技术领域，尤其涉及一种基于数据样本与测试数据集训练的人脸识别方法及系统。

背景技术

人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术，是采集含有人脸的图像或视频，并在图像中检测人脸，进行对人脸进行脸部识别的相关技术。

近几年，随着基于深度学习的算法不断优化和芯片技术的发展，人工智能特别是人脸识别的识别率、准确率已大幅提升，已在各行各业得到广泛地使用。人脸识别唯一不可复制、无接触、快速识别等特性，在学校的人员通行、考勤、门禁等场景也得到了成熟地应用。

随着人脸识别的应用逐步推广，在这过程中产生大量的结构化及非结构化数据，通过大数据分析可提供个性化的应用给用户，同时也可利用这些大数据提升自身的应用系统性能及系统的鲁棒性。

现有技术中，很多现有的人脸识别系统在实验室的测试效果非常优秀，但在实际用户应用场景使用过程中却不尽人意，这里边跟人脸识别特性有很大关系，不同视频采集场景的环境差异很大。另外，应用系统产生的大数据没有效地利用。人脸识别技术在学校应用场景使用时会产生大量数据，应用数据除常规的考勤数据、通行数据流水记录外，终端设备会自动抓拍并存储所有人员(包括学生)的人脸照片，需要对大量数据进行有效处理，存在计算复杂、识别效率低的问题。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种基于数据样本与测试数据集训练的人脸识别方法及系统，可提高人脸识别的速度、效率及准确率。

为了解决上述问题，本发明提出了一种基于数据样本与测试数据集训练的人脸识别方法，所述方法包括：

采集原始人脸图像；

对所述原始人脸图像进行人脸检测处理，获得待识别的人脸图像；

对所述待识别的人脸图像进行人脸对齐处理，获得对齐处理后的人脸图像样本数据；

结合测试数据集对所述人脸图像样本数据进行训练，获得人脸特征库；

在所述人脸特征库中对所述待识别的人脸图像进行识别，获得人脸识别结果。

优选地，所述对所述原始人脸图像进行人脸检测处理，获得待识别的人脸图像的步骤，包括：

对所述原始人脸图像进行预处理，获得预处理后的人脸图像；

对所述预处理后的人脸图像进行人脸检测，获得包括人脸信息的待识别的人脸图像。

优选地，所述对所述待识别的人脸图像进行人脸对齐处理，获得对齐处理后的人脸图像样本数据，包括：

对所述原始人脸图像的面部关键特征点进行检测，定位面部关键特征点；

获得包括所述面部特征点集合的人脸图像样本数据。

优选地，所述对所述原始人脸图像的面部关键特征点进行检测，定位面部关键特征点的步骤，包括：

利用卷积神经网络CNN对面部关键特征点进行定位；

通过特征提取器进行面部关键特征点进行提取。