[发明专利]人脸识别方法

权利要求书

1.一种人脸识别方法，其特征在于，包括：

获得待识别的图像；

通过人脸检测手段，来检测图像中的人脸区域；

从人脸区域中提取人脸表征；

采用基于深度学习的人脸识别算法，来对图像中的人脸区域进行人脸识别；

其中，所述采用基于深度学习的人脸识别算法，来对图像中的人脸区域进行人脸识别包括：

确定卷积神经网络的结构；

根据卷积神经网络的结构，来将一个或多个卷积结果和/或输入数值归纳到在同一个坐标系下；

根据卷积神经网络的结构，来将同一个坐标系下的一个或多个卷积结果和/或输入数值进行合并；

根据所述合并的结果，来计算向下一层卷积神经网络传递时的移位和偏移量的量化结果。

2.如权利要求1所述的人脸识别方法，其特征在于，所述获得待识别的图像包括：

采集视频流；

获得视频流中的图像帧，作为待识别的图像。

3.如权利要求1所述的人脸识别方法，其特征在于，所述根据卷积神经网络的结构，来将一个或多个卷积结果和/或输入数值归纳到在同一个坐标系下；包括：

对于ResNet类卷积神经网络，通过以下公式，来将输入数值和卷积结果归纳到同一个坐标系下：

Y′＝Y＜＜shift_(a-b)，pos

Y′＝Y＞＞shift_|a-b|，neg

其中，Y`表示第二归纳结果，Y表示第二卷积结果，a表示输入数值的移位，b表示第二卷积结果的移位。

4.如权利要求3所述的人脸识别方法，其特征在于，所述根据卷积神经网络的结构，来将同一个坐标系下的一个或多个卷积结果和/或输入数值进行合并包括：

对于ResNet类卷积神经网络，通过以下公式，来将同一个坐标系下的输入数值和卷积结果进行合并：

Z＝X+Y′

其中，Z表示合并结果，X表示输入数值，Y`表示第二归纳结果。

5.如权利要求1所述的人脸识别方法，其特征在于，所述根据卷积神经网络的结构，来将一个或多个卷积结果和/或输入数值归纳到在同一个坐标系下；包括：

对于ResNet类卷积神经网络，通过以下公式，来将输入数值和卷积结果归纳到同一个坐标系下：

其中，X`表示第一归纳结果，Y`表示第二归纳结果，Y表示第二卷积结果，a表示输入数值的移位，b表示第二卷积结果的移位。

6.如权利要求5所述的人脸识别方法，其特征在于，所述根据卷积神经网络的结构，来将同一个坐标系下的一个或多个卷积结果和/或输入数值进行合并包括：

对于ResNet类卷积神经网络，通过以下公式，来将同一个坐标系下的输入数值和卷积结果进行合并：

Z＝X′+Y′

其中，Z表示合并结果，X`表示第一归纳结果，Y`表示第二归纳结果。

7.如权利要求1所述的人脸识别方法，其特征在于，所述根据卷积神经网络的结构，来将一个或多个卷积结果和/或输入数值归纳到在同一个坐标系下包括：

对于Inception类卷积神经网络，通过以下公式，来将输入数值和卷积结果归纳到同一个坐标系下：

Y′＝Y＜＜shift_(a-b)，pos

Y′＝Y＞＞shift_|a-b|，neg

Z′＝Y＜＜shift_(a-c)，pos

Z′＝Y＞＞shift_|a-c|，neg

其中，Y`表示第二归纳结果，Z`表示第三归纳结果，Y表示第二卷积结果，a表示输入数值的移位，b表示第二卷积结果的移位，c表示第三卷积结果的移位。