[发明专利]一种基于Python的深度学习人脸识别方法，设备及可读存储介质

权利要求书

1.一种基于Python的深度学习人脸识别方法，其特征在于，方法包括：

S1，从图像信息中检测人脸范围，并确定人脸区域；

S2，对人脸区域进行清晰度处理；

S3，从人脸区域中提取面部特征；

S4，将提取的面部特征与数据库中已有的面部特征进行匹配，得出所述面部特征的人员身份信息。

2.根据权利要求1所述的深度学习人脸识别方法，其特征在于，

步骤S1还包括：

对图像信息进行灰度转化处理；

判断是否具有有效人脸信息；

如具有有效人脸信息，对图像信息进行标识，并输出人脸区域的确认数值范围。

3.根据权利要求1所述的深度学习人脸识别方法，其特征在于，

步骤S2还包括：

识别人脸区域进行截取；

对所述人脸区域中每个像素点进行二值矩阵处理；

对所述人脸区域进行LPBH算法分析。

4.根据权利要求1所述的深度学习人脸识别方法，其特征在于，

步骤S3还包括：

对所述人脸区域进行图像捕捉，将每帧图像的脸部信息进行分析，生成人脸特征直方图；

确定人脸区域中的面部特征；

对面部特征进行打标保存，面部特征的标记与图像信息的标记相匹配。

5.根据权利要求4所述的深度学习人脸识别方法，其特征在于，

步骤将每帧图像的脸部信息进行分析还包括：

检测图像的局部信息来获特征值，比较图像中的每个像素点与临近像素点之间的灰度值获取人脸特征信息；

将图像中的RGB图片转化为灰度图片，并取3x3的矩阵；

当图像中灰度值大于图像中心图像灰度值时，采用0表示；

当图像中灰度值小于图像中心图像灰度值时，使用1表示，以此得到一个0和1组成的二进制列表；

将图片中每一个像素都进行处理后并将其转化为十进制后，得到一张直方图，所述直方图即是特征直方图。

6.根据权利要求1所述的深度学习人脸识别方法，其特征在于，

步骤S1还包括：

使用摄像头摄取图像信息，分别对每个图像进行翻转，亮度调节以及灰度调节的方式，判断是否具有人脸信息；

使用cascadeclassifier分类器对摄取的视频图像信息基于每一帧进行人脸检测。

7.根据权利要求1或2所述的深度学习人脸识别方法，其特征在于，

S2还包括：

对采集到的图像信息进行遍历归类；

基于同一时间段摄取的图像进行归类标识，输入到LBPH分类器中；

基于同一地点摄取的图像进行归类标识，输入到LBPH分类器中；

基于同一预设要求摄取的图像进行归类标识，输入到LBPH分类器中；

将上述归类标识信息，汇集形成归类信息表。

8.根据权利要求1或2所述的深度学习人脸识别方法，其特征在于，

S4还包括：

当提取的面部特征与数据库中已有的面部特征未能匹配，对所述面部特征进行标识；

将所述面部特征存入数据库。

9.一种实现基于Python的深度学习人脸识别方法的设备，其特征在于，包括：

存储器，用于存储计算机程序及基于Python的深度学习人脸识别方法；

处理器，用于执行所述计算机程序及基于Python的深度学习人脸识别方法，以实现如权利要求1至8任意一项所述基于Python的深度学习人脸识别方法的步骤。

10.一种具有基于Python的深度学习人脸识别方法的可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现如权利要求1至8任意一项所述基于Python的深度学习人脸识别方法的步骤。