[发明专利]一种深度学习模型下的人脸特征数据库构建和更新方法

权利要求书

1.一种深度学习模型下的人脸特征数据库构建和更新方法，其特征在于，该方法包括以下步骤：

步骤(1)、建立基础人脸特征数据库；

步骤(2)、在数据库中添加基准人脸特征；

步骤(3)、使用人脸特征数据库进行人脸比对；

步骤(4)、实时捕获人脸特征过程；其中：

在人脸识别失败时触发人脸特征捕获机制，将未能识别的人脸特征放入数据库的缓存区；

在上次人脸识别失败后继续进行识别，若识别依旧失败则将本次人脸特征放入数据库的缓存区并将前一次的特征数据删除；

在上次人脸识别失败后继续进行识别，若识别成功则将识别出的人员与缓存区的人脸特征对应，在缓存区与人员对应的特征将不再被删除，下次识别失败则添加新的缓存；

步骤(5)、人脸特征数据库更新。

2.根据权利要求1所述的一种深度学习模型下的人脸特征数据库构建和更新方法，其特征在于，步骤(1)包括以下步骤：

根据人脸识别设备所需识别的人数进行数据库存储空间分配，为每个人分配一个人脸特征数据子库，同时设置人脸特征数据缓存区；

为每个人的人脸特征数据子库分配20个人脸特征数据空间，即每人最多允许存在20组人脸特征数据。

3.根据权利要求1所述的一种深度学习模型下的人脸特征数据库构建和更新方法，其特征在于，步骤(2)具体包括以下处理过程：

收集所需识别人员的脸部照片五张，其中一张正脸照，两张小幅度侧脸照，一张小幅度抬头照片和一张小幅度低头照片；

使用人脸识别模型对五张照片进行人脸特征提取，将提取到的特征放入对应人员名称下。

4.根据权利要求1所述的一种深度学习模型下的人脸特征数据库构建和更新方法，其特征在于，所述步骤(3)具体包括以下处理过程：

使用人脸识别模型对待识别人脸提取特征。

使用欧式距离或余弦距离将待识别的人脸特征与数据库中的人脸特征进行对比，其中与待识别人脸特征最近且小于固定阈值的人脸特征对应的人员即为待识别人脸的身份，若大于阈值则识别为陌生人。

5.根据权利要求1所述的一种深度学习模型下的人脸特征数据库构建和更新方法，其特征在于，步骤(5)具体包括以下处理步骤：

在设备不再进行人脸识别半小时后进入数据库更新状态，一旦检测到有待识别人脸则立即突出数据库更新状态；

在数据库更新状态下，逐条读取缓存区内所有与人员对应的人脸特征，通过欧式距离或余弦距离计算该人脸特征与数据库中所有人的所有特征的距离；

若与该特征距离最小的人脸特征对应的人员与缓存区该特征对应的人员一致则将该特征写入对应人员的人脸特征数据子库，

若与该特征距离最小的人脸特征对应的人员与缓存区该特征对应的人员不一致则将该特征舍弃，并在缓存区中删除。